Comment expliquer les disparités de roissane d’emploi des...

1

54ème Colloque de l'ASRDLF

5-7 juillet 2017, Athènes

Comment expliquer les disparités de croissance d’emploi

des aires urbaines françaises ? Une évaluation du rôle des fonctions métropolitaines,

productives et des revenus extérieurs

Maurice CATIN et Christophe VAN HUFFEL

LEAD, Université de Toulon

Résumé - De nombreuses études empiriques effectuées ces vingt dernières années mettent l’accent sur le rôle du capital humain comme moteur de la croissance des régions et à plus forte raison de la croissance des grandes métropoles. Une certaine division spatiale du travail tend à s’opérer sous la forme d’une localisation privilégiée dans les aires métropolitaines du capital humain et des activités cognitives con-duisant à des effets sensibles en matière de productivité. Un écart de développement s’observe à partir des années 1980 et plus encore depuis les années 2000 entre les plus grandes aires urbaines qui bénéfi-cient d’une accumulation de capital humain et les autres territoires. Nous proposons un modèle appliqué aux aires urbaines françaises sur la période 1999-2013 basé sur une décomposition de l’emploi dans les fonctions métropolitaines, productives et présentielles, à partir de la grille fonctionnelle établie par l’Insee. Nous considérons que l’évolution de l’emploi dans les aires urbaines peut être attribuée à trois blocs moteurs : les fonctions métropolitaines, représentatives du capital humain et des effets de produc-tivité, les activités productives, largement exportatrices, et les revenus extérieurs (publics, résidentiels et sociaux) reçus. Nous vérifions dans le cas de la France la concentration des fonctions métropolitaines et l’inégal développement de l’emploi au profit des grandes aires urbaines de plus de 200 000 emplois. Nous montrons, à partir des estimations du modèle, le rôle déterminant de la hausse des fonctions mé-tropolitaines dans la croissance de l’emploi des grandes aires urbaines, et la double facette du processus de métropolisation entre Paris et les grandes aires urbaines.

Mots-clés - Disparité de croissance de l’emploi ; Aires urbaines françaises ; Fonctions métropolitaines ; Métropolisation

Classification JEL - R11 ; R12

Les auteurs remercient Olivier Bouba-Olga et Nadine Levratto pour leurs remarques sur la première version de ce travail présentée aux Journées Scientifiques de l’Université de Toulon en avril 2017.

2

Introduction

De manière générale aujourd’hui, une croissance « intensive » fondée sur la connaissance s’est largement substituée dans nos économies à une croissance « extensive » basée sur l’expansion des capacités de production. L’estimation de fonctions de production au plan macroécono-mique évaluant les sources de la croissance montre le rôle relativement limité des volumes de travail et de capital matériel engagés dans la production et l’effet prépondérant des gains de productivité associés au capital humain et à des investissements dans la connaissance.

De la même manière, au niveau régional, toutes les études empiriques effectuées ces vingt dernières années, aussi bien sur les régions américaines qu’européennes, mettent l’accent sur le rôle du capital humain comme moteur de la croissance des régions et à plus forte raison de la croissance des grandes métropoles. Sont mis en avant, sous différents angles d’approche, l’effet (i) de la concentration de la main-d’œuvre qualifiée, à haut niveau d’éducation, et la diffusion des connaissances tacites1 (ii) du potentiel de « talents » et de la « classe créative »2, (iii) de la localisation des services supérieurs aux entreprises3 et des activités à haute intensité de savoir-faire4, (iv) des clusters associant science, recherche-développement et activités de pointe appuyés sur un bassin de main-d’œuvre spécialisée dans une région urbaine5.

Une conclusion qui peut être tirée de ces analyses est qu’un plus haut niveau de capital hu-main dans une ville ou une région tend à favoriser la productivité, qui apparaît comme un fac-teur essentiel de la croissance économique6. Il existe des économies d’agglomération bâties sur la taille d’une région urbaine et son potentiel de capital humain qui conduisent plus ou moins, à travers la diffusion d’externalités de connaissance au sein de la région, et/ou par les liens avec d’autres régions du fait des « capacités d’absorption » existantes, à des gains de productivité et à des performances supérieures.

Ainsi, une certaine division spatiale du travail tend à s’opérer sous la forme d’une localisation privilégiée dans les aires métropolitaines du capital humain et des activités cognitives ayant des effets sensibles en matière de productivité. En résultat, en suivant la littérature écono-mique, un écart plus profond de développement s’observe à partir des années 1980 et plus encore depuis les années 2000 entre les plus grandes aires urbaines qui bénéficient d’une ac-cumulation de capital humain et les autres territoires7. Un creusement des inégalités sur le plan productif tend notamment à s’imposer entre les métropoles et les aires urbaines de plus faible taille, seulement freinées dans les plus grandes métropoles par de moindres économies d’agglomération lorsqu’elles sont obérées par des coûts de main-d’œuvre et de congestion croissants8.

Qu’en est-il en France ? Observe-t-on et jusqu’à quel degré le même phénomène de concen-tration du capital humain et des activités de connaissance dans les métropoles, en particulier

1 Voir par exemple Glaeser (1999) ; Feser (2003) ; Glaeser et Saiz (2004) ; Berry et Glaeser (2005) ; Glaeser et Res-

seger (2010) ; Andersson et al. (2014) ; Kok (2014). 2 A partir de Florida (2002a, 2002b). Florida (2005) ; Musterd et Murie (2010) ; Antonietti (2013)...

3 Voir par exemple Krätke (2007) ; Klaesson et al. (2013) ; Backman (2014) ; Meliciani et Savona (2015).

4 Généralement appelés les “KIBS” (Knowledge Intensive Business Services). Voir Muller et Zenker (2001) ; Antoniet-

ti et al. (2013) ; Ferreira et al. (2016) ; Lafuente (2016) ; Pina et Tether (2016) ; Zhang (2016)... Sur les raisons de la localisation de ces activités dans les plus grandes agglomérations, voir Rubalcaba, Gallego, Gallo et Garrido (2013). 5 Huber (2012) ; Di Giacinto (2014) ; Titze et al. (2014) ; Florida et Mellander (2016) ; Peters (2016)...

6 Abel et al. (2012).

7 Ce phénomène de métropolisation a été nettement observé depuis les années 1980 aux Etats-Unis (Berger et Frey,

2016). Moretti (2012) le qualifie de « Great divergence ». Il est largement attribué aux innovations majeures in-duites par le développement des nouvelles technologies de l’information et de la communication et au « biais tech-nologique » en faveur du travail qualifié qui en a résulté sur le plan de la localisation des activités. 8 Moretti (2004) ; Combes, Duranton et Gobillon (2012) ; Duranton et Puga (2014) ; Saito et Wu (2016)...

3

depuis le début des années 2000 ? La croissance des grandes aires urbaines est-elle liée à leur taille et à la masse critique des activités à fort capital humain qui y sont localisées, soutenant le jeu des économies d’agglomération, ou obéit-elle à des dynamiques spécifiques ?

Sur le plan statistique, faut-il nuancer les phénomènes de métropolisation selon les indicateurs retenus de croissance (emploi, valeur ajoutée et PIB, productivité, PIB par habitant, revenu des ménages, salaire moyen...), de capital humain (emploi par secteurs, par fonctions, par métiers et catégories socioprofessionnelles...) ?

Quelques-unes de ces questions ont été abordées récemment dans des études académiques et autres et dont les diagnostics et réponses font débat (voir par exemple Combes et al., 2012 ; Davezies et Pech, 2014 ; Davezies et Estèbe, 2014 ; Davezies, 2015 ; Bouba-Olga et Grossetti, 2015 ; Poupard et Baude, 2014 ; Poupard, 2015 ; AdCF, 2016 ; Observatoire des territoires, 2016 ; Lainé, 2017...).

Il manque dans ces approches une analyse des mécanismes qui permette d’évaluer le rôle des grands facteurs susceptibles d’expliquer l’évolution de l’emploi dans chacune des aires ur-baines, selon leur taille, et de les comparer. Pour cela, nous proposons un modèle qui sera appliqué sur la période 1999-2013. Il est basé sur une décomposition de l’emploi dans les fonc-tions métropolitaines, productives et présentielles, à partir de la grille fonctionnelle établie par l’Insee. Nous considérons que l’évolution de l’emploi dans une période donnée peut être attri-buée dans les aires urbaines à trois « blocs moteurs » : les fonctions métropolitaines, repré-sentatives du capital humain et des effets de productivité, les activités productives, largement exportatrices, et les revenus extérieurs (résidentiels, sociaux, publics) reçus.

Nous vérifions dans une première partie, dans le cas de la France, la concentration du capital humain et l’inégal développement de l’emploi au profit des grandes aires urbaines de plus de 200 000 emplois. Nous montrons dans une deuxième partie, à partir des estimations du mo-dèle, le rôle déterminant de la hausse des fonctions métropolitaines dans la croissance de l’emploi des grandes aires urbaines, et la double facette du processus de métropolisation entre Paris et les grandes aires urbaines.

1. Un emploi croissant dans les grandes aires urbaines et la dynamique des fonctions métropolitaines

1.1. Un différentiel de croissance de l’emploi en faveur des grandes aires urbaines

En termes de taux de croissance, un découpage des grandes aires urbaines françaises en deux grandes catégories paraît s’imposer : les 16 plus grandes aires urbaines9 (définies par un nombre d’emplois supérieur à 200 000 en 2013)10 et les aires urbaines de « second rang » comprises entre 50 000 et 200 000 emplois.

Sur la période 1999-2013, les 16 plus grandes aires urbaines françaises ont connu en moyenne une croissance annuelle de l’emploi total de 1,4 % (voir tableau 1).

L’aire urbaine de Paris − qui concentre près de six fois plus d’emplois que la deuxième aire urbaine en taille, Lyon, et davantage d’emplois que les quatorze suivantes prises ensemble − a une croissance nettement plus faible (0,8 %)11.

9 Selon le périmètre défini par l’Insee en 2010.

10 Le nombre d’aires urbaines supérieures à 200 000 emplois était de 12 en France en 2000, 14 en 2006, 16 en 2013

(avec l’entrée de Tours et Clermont-Ferrand qui franchissent ce seuil). 11

La région Ile-de-France, dont l’aire urbaine de Paris regroupe 95 % de l’emploi, a une croissance un peu moins forte entre 1999 et 2013, du fait d’une évolution beaucoup moins favorable de l’emploi dans la couronne périur-baine.

4

Tableau 1. Emploi total dans les 40 plus grandes aires urbaines

AU Emploi en 2013

TCAM 1999-06

TCAM 2006-13

TCAM 1999-13

Paris 5795950 1.3 0.4 0.8

Lyon 994261 1.8 1.0 1.4

Marseille - Aix-en-Provence 688003 2.1 0.6 1.3

Toulouse 584042 3.3 1.6 2.4

Lille* 515045 1.3 0.5 0.9

Bordeaux 513601 2.4 1.2 1.8

Nantes 412042 2.6 1.4 2.0

Nice 392802 2.1 0.2 1.2

Strasbourg* 340421 1.3 0.2 0.8

Rennes 313949 2.6 1.0 1.8

Grenoble 302823 1.8 0.5 1.2

Rouen 263432 1.1 0.1 0.6

Montpellier 243495 3.1 1.7 2.4

Toulon 216063 2.2 0.4 1.3

Tours 203369 1.8 0.3 1.0

Clermont-Ferrand 203022 1.5 0.4 1.0

Avignon 197782 1.9 0.2 1.1

Saint-Étienne 195383 1.1 -0.3 0.4

Orléans 184486 1.4 -0.1 0.6

Nancy 181163 1.1 0.0 0.5

Douai - Lens 172622 1.6 0.0 0.8

Caen 169157 1.9 0.2 1.1

Angers 168966 1.7 0.4 1.0

Dijon 166831 1.6 0.1 0.8

Metz 163166 1.6 -0.6 0.5

Le Mans 139076 1.4 -0.2 0.6

Reims 132780 1.4 -0.3 0.5

Brest 130502 1.3 0.4 0.8

Valenciennes* 121517 2.3 -0.2 1.1

Amiens 119779 1.6 0.0 0.8

Le Havre 119539 1.1 -0.4 0.3

Bayonne* 116559 2.2 1.2 1.7

Limoges 114402 1.3 -0.2 0.6

Poitiers 110701 2.2 0.7 1.4

Mulhouse 110490 0.6 -0.5 0.1

Perpignan 109620 2.8 0.7 1.8

Besançon 105108 1.8 0.3 1.0

Béthune 105106 0.9 -0.8 0.1

Pau 103081 1.9 0.6 1.2

Annecy 101680 1.8 0.9 1.3

Nîmes 100855 2.2 0.8 1.5

Moy. des 15 AU > 200 000 sauf Paris 2.1 0.7 1.4

Moy. des 22 Métropoles 1.8 0.5 1.2

Moy. des 25 AU [100 000;200 000] 1.6 0.1 0.9

Moy. des 27 AU [50 000;100 000] 1.6 0.3 0.9

AU de moins de 50 000 1.3 -0.1 0.6

* Partie française. Moy. : moyenne arithmétique des taux de croissance des aires urbaines (AU). Les 22 métropoles sont indiquées en italique.

5

La croissance de l’emploi des 16 plus grandes aires urbaines est supérieure en moyenne à celle des aires urbaines correspondant aux 22 métropoles12 définies récemment sur le plan adminis-tratif (1,2 %). Elle est nettement supérieure à la croissance de l’emploi dans les aires urbaines comprises entre 100 000 et 200 000 emplois (0,87 %) et dans les aires urbaines entre 50 000 et 100 000 emplois (0,93 %). La croissance des aires urbaines de moins de 50 000 emplois est encore plus faible (0,6 %).

La césure des aires urbaines à 200 000 emplois est nette en termes d’homogénéité de la crois-sance sur la période 1999-2013. Seules 8 aires urbaines sur 52 comprises entre 50 000 et 200 000 emplois dépassent le taux de croissance moyen des aires urbaines de plus de 200 000 emplois (1,4 %).

Il peut être opportun de découper la période 1999-2013 en deux : la période de croissance 1999-2006 et la période suivante 2006-2013 affectée par la crise de 2008-2009 et l’absence de reprise véritable après, où l’on observe tout de même une croissance de l’emploi dans les aires urbaines considérées mais beaucoup plus limitée que dans la période précédente. L’écart de croissance de l’emploi entre les plus grandes aires urbaines et les aires urbaines de second rang est net sur la période 1999-2006 (2 % contre 1,6 %) et tend même relativement à s’accuser entre 2006 et 2013 (1,4 % contre 0,9 %).

Il faut remarquer aussi que 13 aires urbaines sur 25 comprises entre 100 000 et 200 000 em-plois et 10 sur 27 comprises entre 50 000 et 100 000 emplois sont marquées par une baisse d’emploi entre 2006 et 2013, ce qui n’est le cas pour aucune des 16 aires urbaines supérieures à 200 000 emplois.

Au-delà du constat global, il convient toutefois de noter que la croissance n’est pas uniforme au sein des aires urbaines considérées. On peut relever, parmi les plus grandes aires urbaines, que quatre villes connaissent un taux de croissance nettement supérieur à la moyenne : Tou-louse (2,4 %), Montpellier (2,4 %), Nantes (2 %) sur l’ensemble de la période 1999-2013, aux-quelles on peut ajouter Rennes notamment dans la période 1999-2006.

Tableau 2. Croissance annuelle moyenne (%) des effectifs âgés de 25 à 54 ans

Champ : emploi au lieu de travail, de 25 à 54 ans, France métropolitaine. Source : Lainé (2017). France Stratégie, d’après Insee, recensements de population.

Le processus de métropolisation est encore plus saisissant si l’on considère l’évolution de l’emploi des 25-54 ans dans les aires urbaines classées selon leur niveau de population13 don-née par Lainé (2017) (voir tableau 2). La plus forte progression est en faveur des aires urbaines de plus de 500 000 habitants14, et dont l’écart se creuse par rapport aux aires urbaines de moindre taille depuis 1999. Depuis 1975, l’aire urbaine de Paris connaît une croissance moins soutenue de l’emploi, si l’on excepte un rebond au cours des années 1980 et entre 2006 et

12

Qui correspondent aux 16 plus grandes aires urbaines en termes d’emploi, auxquelles il faut ajouter Saint-Etienne (18e), Orléans (19e), Nancy (20e), Dijon (24e), Metz (25e) et Brest (28e). 13

L’auteur retient curieusement l’emploi des 25-54 ans pour vouloir neutraliser le biais dû à la population, dans la mesure où certaines aires urbaines peuvent avoir une pyramide des âges très particulière : la population est relati-vement jeune à Paris, la population retraitée est beaucoup plus forte à Toulon, à Nice ou à Aix-Marseille (voir le rapport emploi/population donné en annexe 1). 14

C’est-à-dire 14 des 16 aires urbaines de plus de 200 000 emplois (sans Tours et Clermont-Ferrand), voir annexe 1.

6

201315 (voir l’analyse de la région parisienne en section 2 infra). A l’inverse, on peut noter que la croissance de l’emploi est négative pour toutes les aires urbaines dont la population est inférieure à 500 000 habitants sur la période 2006-201316.

1.2. Une concentration croissante de l’emploi dans les fonctions métropolitaines dans les grandes aires urbaines

Lainé (2017) s’appuie sur les métiers (définis selon la nomenclature des familles profession-nelles établie par la Dares) pour décrire la structure d’emploi dans les aires urbaines. Il fait apparaître que la concentration des emplois de cadres (âgés de 25 à 54 ans) est supérieure dans les grandes aires urbaines de plus de 500 000 habitants et que l’écart s’est nettement accentué depuis 1999 (sauf Paris où la progression a été inférieure) par rapport aux aires ur-baines de moins de 500 000 habitants. De manière générale, les grandes aires urbaines ac-cueillent plus fortement les métiers aux tâches non répétitives, comme les ingénieurs en in-formatique, les personnels d’étude et de recherche-développement, en information et com-munication... Une analyse « shift-share » effectuée par l’auteur montre que la spécialisation dans ces métiers dont la dynamique est forte favorise la croissance de l’emploi des grandes aires urbaines par rapport aux autres territoires mais, au-delà de cet effet de structure, il existe des dynamiques propres qui différencient les aires urbaines et qui est indépendante de leur taille.

Pour notre part, nous avons retenu l’emploi dans les fonctions métropolitaines pour caractéri-ser au mieux la localisation du capital humain dans les aires urbaines. L’Insee (2009) a proposé une classification des emplois en 15 fonctions, transversales aux secteurs d’activité, au statut (indépendant ou salarié, public ou privé) et à la qualification17. Parmi ces 15 fonctions, 5 d’entre elles sont qualifiées de fonctions métropolitaines, c’est-à-dire propres aux grandes villes : conception-recherche, prestations intellectuelles, commerce inter-entreprises, gestion, culture-loisirs18. Une large partie de ces emplois relève d’entreprises de services (ex. sociétés de conseil...) ou d’emplois de services qualifiés dans les entreprises (ex. cadres administratifs ou financiers dans la gestion). L’emploi dans les fonctions métropolitaines (EFM) a fortement augmenté depuis 1999 (notamment pour les fonctions commerce inter-entreprises et culture-loisirs) et il représente près de 26 % de l’emploi total en France en 2013 (tableau 3).

A partir de la classification générale établie par l’Insee, nous considérons que l’emploi total non agricole peut être significativement regroupé en trois grandes fonctions19 : les fonctions métro-politaines (telles que définies par l’Insee), les fonctions présentielles et les fonctions productives (voir tableau 3).

15

Chiffre largement conditionné par la définition retenue de l’emploi car les cadres sont relativement plus jeunes en région parisienne et en proportion moindre après 50 ans. 16

Ce qui n’est pas le cas si on raisonne en termes d’emploi total comme nous l’avons vu précédemment et qui interroge quand même sur l’emploi donné par les recensements de population par rapport aux autres sources pour évaluer l’emploi. 17

A la suite des travaux engagés sur les « emplois stratégiques » de Julien (1994, 2002 ; Julien et Pumain, 1996) dans les années 1990 et des « emplois métropolitains supérieurs » (Leveque, Maurel, Senelet, 2004) au début des années 2000, l’Insee a en 2009 renouvelé l’approche et remplacé ces concepts par celui d’emploi dans les fonctions métropolitaines et de cadres des fonctions métropolitaines (Van Puymbroeck et Reynard, 2010). 18

Voir la définition des fonctions à partir de la nomenclature des professions et catégories socioprofessionnelles sur le site de l’Insee (http://www.insee.fr/fr/themes/detail.asp?reg_id=99&ref_id=analyse). Il peut être signalé que la grille des professions retenues pour définir les fonctions métropolitaines n’est pas toujours parfaitement représen-tative. Par exemple, le personnel des armées, même cadre et à forte qualification, est placé dans l’administration publique, donc considéré comme faisant partie des fonctions présentielles − ce qui minore sensiblement le poids des EFM à Toulon notamment. Il en va de même des personnels de santé ou encore des enseignants chercheurs des universités qui sont placés dans la fonction éducation-formation, ce qui minore les EFM dans les villes universitaires. 19

Les raisons expliquant ce découpage sont exposées dans Catin et Van Huffel (2013).

7

Tableau 3. L’emploi dans les fonctions métropolitaines, présentielles et productives : définition et répartition au niveau national en 1999, 2006 et 2013

1999 2006 2013 1999 2006 2013

Emploi dans les fonctions métropolitaines

(EFM) 23.6 24.6 25.9

Conception-recherche 2.8 2.7 2.7

Prestations intellectuelles 2.4 3.0 3.9

Commerce inter-entreprises 3.8 3.5 3.8

Gestion 12.9 13.3 13.2

Culture-loisirs 1.8 2.1 2.4

Emploi dans les fonctions présentielles

(EFP) 52.7 53.9 54.9

Administration publique 9.0 8.9 9.0

Distribution 7.1 7.9 7.5

Éducation-formation 5.6 5.3 5.1

Santé et action sociale 7.6 8.3 9.5

Services de proximité 9.3 9.6 10.3

Bâtiment et travaux publics 5.9 6.5 6.4

Entretien-réparation 8.3 7.4 7.3

Emploi dans les activités productives

(EAP) 20.4 18.4 16.5

Fabrication 11.4 10.1 8.6

Transports-logistique 8.9 8.3 8.0

Emploi dans l’Agriculture 3.3 3.2 2.7

3.3 3.2 2.7

Emploi total 100 100 100 100 100 100

Les fonctions présentielles représentent de manière générale la part la plus importante de l’emploi (près de 55 % en 2013). Il s’agit des activités qui assurent dans les territoires la pro-duction de biens et de services visant la satisfaction des besoins locaux, que la demande pro-vienne de résidents ou de touristes.

Les activités productives sont des activités non présentielles qui produisent des biens exportés (majoritairement consommés hors de la zone) et des activités ayant principalement pour mar-ché les entreprises relevant de cette sphère de production. La moitié de l’emploi dans ces acti-vités productives relève des activités de fabrication, notamment industrielles, dont la main-d’œuvre a sérieusement baissé depuis 1999 (voir tableau 3).

Sur la base des fonctions métropolitaines ainsi définies du fait de leur présence plus prononcée au sein des grandes aires urbaines, l’Insee a introduit en parallèle la notion de « cadres des fonctions métropolitaines » (CFM). Les CFM comprennent les cadres, les professions intellec-tuelles et les chefs d’entreprise (de plus de 10 salariés). Leur nombre est passé au niveau na-tional de 1,1 million en 1982 à 2,3 millions en 2006 et à 2,7 millions en 2013 (soit 5,2 % de l’emploi total en 1982, 9,1 % en 2006 et 10,3 % en 2013). Leur part est croissante dans les EFM : les CFM représentaient 37 % des emplois dans les fonctions métropolitaines en 2006 et 40 % en 2013.

En suivant le tableau 4, il apparaît de manière générale que la part des emplois dans les fonc-tions métropolitaines croît avec la taille des aires urbaines. Ainsi, dans l’aire urbaine de Paris, les fonctions métropolitaines représentent 38,4 % de l’emploi en 2013. Dans les 15 aires ur-baines (hors Paris) de plus de 200 000 emplois, les fonctions métropolitaines représentent en moyenne 29,4 %. Dans les aires urbaines de 50 000 à 200 000 emplois, leur part tombe à 23 % ; dans les aires urbaines entre 10 000 et 50 000 emplois, elle est de 19 %.

8

Tableau 4. Répartition de l’emploi par fonctions selon la taille des aires urbaines et coefficients de spécialisation en 2013

Paris AU > 200 sauf Paris

AU 100-200

AU 50-100

AU 10-50

227 AU

Part CS Part CS Part CS Part CS Part CS Part

EFM

Conception, Recherche 4.7 1.8 3.9 1.5 2.0 0.8 1.9 0.7 1.9 0.7 2.6

Commerce inter-entreprises 5.2 1.4 4.4 1.2 3.5 1.0 3.5 0.9 3.5 0.9 3.7

Culture, Loisirs 4.1 2.1 2.3 1.2 1.8 0.9 1.7 0.9 1.7 0.9 1.9

Gestion 18.1 1.4 14.2 1.1 12.6 1.0 12.8 1.0 12.8 1.0 12.9

Prestations Intellectuelles 6.4 1.8 4.6 1.3 3.1 0.9 3.1 0.9 3.1 0.9 3.6

Total EFM 38.4 1.6 29.4 1.2 23.0 0.9 22.9 0.9 19.3 0.8 24.7

CFM

Commerce inter-entreprises 2.3 2.4 1.3 1.4 0.8 0.9 0.8 0.8 0.8 0.8 1.0

Conception, Recherche 4.1 2.3 3.0 1.7 1.2 0.7 1.0 0.6 1.0 0.6 1.8

Culture, Loisirs 2.4 2.7 1.1 1.2 0.8 0.9 0.7 0.8 0.7 0.8 0.9

Gestion 7.7 2.3 4.1 1.2 3.1 0.9 3.1 0.9 3.1 0.9 3.4

Prestations Intellectuelles 4.0 2.5 2.3 1.4 1.3 0.8 1.2 0.8 1.2 0.8 1.6

Total CFM 20.4 2.4 11.9 1.4 7.2 0.8 6.9 0.8 5.3 0.6 8.6

EFP

Administration publique 9.1 1.0 9.3 1.0 9.8 1.0 9.2 1.0 9.2 1.0 9.5

Bâtiment-Travaux Publics 4.5 0.7 6.0 0.9 6.6 1.0 6.9 1.1 6.9 1.1 6.5

Distribution 6.4 0.8 7.2 0.9 7.9 1.0 8.2 1.0 8.2 1.0 7.9

Education, Formation 4.7 0.9 5.1 1.0 5.6 1.1 5.0 1.0 5.0 1.0 5.2

Entretien, Réparation 5.5 0.7 7.0 0.9 7.8 1.0 7.9 1.0 7.9 1.0 7.6

Santé, Action Sociale 7.9 0.8 9.9 1.0 10.6 1.0 10.1 1.0 10.1 1.0 10.3

Services de Proximité 10.1 1.0 9.8 1.0 9.8 1.0 9.7 1.0 9.7 1.0 9.9

Total EFP 48.1 0.8 54.3 1.0 58.1 1.0 56.9 1.0 60.0 1.1 56.9

EAP

Fabrication 5.5 0.6 7.4 0.9 8.5 1.0 10.0 1.2 10.0 1.2 8.6

Transports, Logistique 7.7 1.0 7.8 1.0 8.5 1.1 8.0 1.0 8.0 1.0 8.0

Total EAP 13.2 0.8 15.2 0.9 17.0 1.0 18.0 1.1 18.2 1.1 16.7

Agriculture 0.3 0.2 1.2 0.7 1.9 1.0 2.2 1.2 2.2 1.2 1.8

Emploi total (EFM+EFP+EAP+Agri.) 100

100

100

100

100

100

Nombre d'AU 1 15 25 27 160 228

227 AU : ensemble des aires urbaines de plus de 10 000 emplois sauf Paris. Les parts sont données en %. Le coefficient de spécialisation pour chaque fonction (CS) est calculé comme la part de cette fonction pour chaque classe d’aire urbaine rapportée à sa part dans l’ensemble des 227 aires urbaines (dernière colonne). Les coefficients de spécialisation supérieurs ou égaux à 1,10 sont grisés.

Le tableau 4 montre nettement que seules les plus grandes aires urbaines présentent un coeffi-cient de spécialisation dans les EFM supérieur à 1,10. Il en va de même pour les CFM et avec une intensité encore plus marquée. Il faut toutefois noter que l’importance de l’agglomération parisienne est écrasante. L’aire urbaine de Paris concentre 44 % des CFM (près de 1,2 million d’emplois sur les 2,7 millions au niveau national) en 2013. L’aire urbaine de Lyon se situe au 2ème rang avec 5 % du total national (135 000 emplois), puis vient Toulouse, 3,4 % (92 000 em-plois), etc. Le graphique 1, qui présente une relation rang-taille des aires urbaines de plus de 50 000 emplois sans Paris, montre une pente relativement verticale pour les 11 premières aires urbaines qui concentrent plus de 20 000 CFM, puis une courbe écrasée, avec des écarts faibles, pour les 14 aires urbaines entre 10 000 et 20 000 CFM (de Rouen à Annecy) et celles de moins de 10 000 CFM.

Certes, à taille donnée, la part des fonctions métropolitaines dans l’emploi total peut être plus ou moins forte selon les aires urbaines. Parmi les grandes aires urbaines, il est net que par exemple la localisation prononcée des fonctions de conception-recherche et prestations intel-lectuelles à Lyon, Toulouse, Grenoble, Nantes, Rennes et Montpellier (coefficient de spécialisa-

9

tion supérieur à 1,3 dans le tableau 6 en annexe 2) conduit à un fort excédent relatif des fonc-tions métropolitaines dans ces aires. A l’inverse, Toulon et Rouen connaissent par rapport à leur taille une sous-représentation d’emplois dans les fonctions métropolitaines. Parmi les aires urbaines de moins de 200 000 emplois, on peut noter que Annecy et Niort ont une spé-cialisation élevée dans les fonctions métropolitaines en général, Clermont-Ferrand, Brest, Montbéliard et Pau dans les fonctions de conception-recherche, spécialisation dans ces aires qui peut être largement liée à la localisation d’une grande entreprise.

Graphique 1. L'emploi des cadres des fonctions métropolitaines dans les 68 plus grandes aires urbaines en 2013 (sauf Paris) : une loi rang-taille

Le tableau 5 montre que l’écart entre les aires urbaines s’est accru entre 1999 et 2013 : la croissance annuelle moyenne des EFM a été de 2,3 % dans les 16 aires urbaines supérieures à 200 000 emplois alors que la croissance moyenne des EFM est de 1,7 % dans les 25 aires ur-baines comprises entre 100 000 et 200 000 emplois, 1,8 % pour celles comprises entre 50 000 et 100 000 emplois. Elle est de 1,4 % dans les aires urbaines de moins de 50 000 emplois. De la même manière, les CFM ont augmenté de 4,1 % dans les plus grandes aires urbaines et de 3,1 % dans les aires urbaines entre 50 000 et 200 000 emplois, 2,6 % dans les aires urbaines infé-rieures à 50 000 emplois où le nombre de CFM est pourtant très limité.

La croissance des EFM entre 1999 et 2013 a été particulièrement marquée dans les métropoles les plus dynamiques : Toulouse, Nantes, Montpellier et Rennes.

Il apparaît que les aires urbaines supérieures à 200 000 emplois se distinguent sensiblement pour les EFM, de la même manière que pour l’emploi total, des 52 aires urbaines comprises entre 50 000 et 200 000 emplois par la croissance moyenne de 1999 à 2013 et par leur relative homogénéité. A peine 8 de ces 52 aires urbaines égalent ou dépassent la croissance moyenne des EFM constatée dans les plus grandes aires urbaines (2,4 %). Les aires urbaines entre 100 000 et 200 000 emplois et celles entre 50 000 et 100 000 emplois connaissent, elles, des trajectoires assez communes : un même taux d’évolution moyen des EFM et une dispersion comparable.

Paris a connu une croissance relativement faible des EFM et des CFM. Etant entendu, vu son poids, qu’en nombre absolu il y a eu plus de création d’emplois de CFM à Paris entre 2006 et 2013 (161127 emplois) que dans les 15 plus grandes aires urbaines de province prises en-semble (150948 emplois).

0

20000

40000

60000

80000

100000

120000

140000

160000

Lyo

nTo

ulo

use

Mar

seill

e-A

ixLi

lleB

ord

eau

xN

ante

sG

ren

ob

leN

ice

Stra

sbo

urg

Ren

nes

Mo

ntp

ellie

rR

ou

enC

lerm

on

tO

rléa

ns

Tou

rsN

ancy

Tou

lon

Dijo

nSa

int-

Étie

nn

eA

vign

on

An

gers

Cae

nM

etz

Bre

stA

nn

ecy

Rei

ms

Le M

ans

Pau

Nio

rtC

ham

bér

yD

ou

ai -

Len

sP

oit

iers

Bes

anço

nB

ayo

nn

eLe

Hav

reA

mie

ns

Mu

lho

use

Lim

oge

sV

alen

ceN

îmes

Pe

rpig

nan

La R

och

elle

Val

enci

enn

esG

enèv

e-A

nn

emas

seLo

rien

tSa

int-

Naz

aire

Mo

ntb

élia

rdD

un

kerq

ue

Van

nes

An

gou

lêm

eB

éth

un

eTr

oye

sC

har

tres

Sain

t-B

rieu

cQ

uim

per

Lava

lLa

Ro

che-

sur-

Yon

Co

lmar

Bo

urg

esB

lois

Arr

asB

eau

vais

Ch

ole

tC

hal

on

-su

r-Sa

ôn

eB

ou

rg-e

n-B

ress

eB

ézie

rsA

gen

10

Tableau 5. Taux de croissance annuel moyen des EFM, CFM, EFP et EAP pour les 41 plus grandes aires urbaines

EFM CFM EFP EAP

AU TCAM 99-06

TCAM 06-13

TCAM 99-13

TCAM 99-06

TCAM 06-13

TCAM 99-13

TCAM 99-06

TCAM 06-13

TCAM 99-13

TCAM 99-06

TCAM 06-13

TCAM 99-13

Paris 1.7 0.9 1.3 3.4 2.1 2.8 1.3 0.5 0.9 0.1 -1.2 -0.5

Lyon 2.7 2.0 2.3 4.8 3.8 4.3 2.1 1.1 1.6 0.2 -1.0 -0.4

Marseille - Aix-en-Provence 3.0 1.3 2.1 4.6 3.1 3.8 2.0 0.6 1.3 1.0 -0.6 0.2

Toulouse 4.6 2.3 3.5 6.6 4.0 5.3 3.0 1.6 2.3 2.5 0.3 1.4

Lille 2.4 1.6 2.0 4.8 3.2 4.0 1.7 0.7 1.2 -1.1 -1.8 -1.4

Bordeaux 3.5 1.9 2.7 5.7 3.5 4.6 2.7 1.3 2.0 0.5 -0.4 0.1

Nantes 4.1 3.0 3.5 7.0 4.2 5.6 2.6 1.0 1.8 1.2 -0.2 0.5

Nice 2.7 0.9 1.8 4.3 1.9 3.1 2.1 0.1 1.1 1.2 -0.6 0.3

Strasbourg 1.8 1.0 1.4 3.4 2.1 2.7 1.7 0.5 1.1 -0.1 -1.7 -0.9

Rennes 4.7 2.2 3.4 7.0 3.8 5.3 2.4 1.2 1.8 1.2 -1.0 0.1

Grenoble 2.5 1.1 1.8 4.4 2.7 3.6 1.8 0.8 1.3 1.0 -1.7 -0.4

Rouen 2.1 0.8 1.4 3.3 2.0 2.6 1.4 0.5 1.0 -0.6 -1.6 -1.1

Montpellier 4.2 2.6 3.4 5.3 4.3 4.8 2.9 1.5 2.2 1.7 0.5 1.1

Toulon 3.3 1.6 2.4 5.0 2.8 3.9 2.3 0.3 1.3 0.6 -0.9 -0.1

Tours 3.0 1.3 2.1 4.2 3.2 3.7 2.0 0.5 1.3 0.0 -1.1 -0.5

Clermont-Ferrand 2.5 1.2 1.8 4.6 3.9 4.3 1.7 0.7 1.2 0.1 -1.3 -0.6

Avignon 2.8 0.9 1.8 3.7 1.9 2.8 2.3 0.6 1.4 1.1 -0.9 0.1

Saint-Étienne 2.0 0.2 1.1 3.5 1.6 2.5 1.7 0.2 1.0 -0.7 -2.2 -1.4

Orléans 2.3 0.3 1.3 3.6 1.6 2.6 1.5 0.4 1.0 0.2 -1.6 -0.7

Nancy 2.0 0.4 1.2 3.2 1.6 2.4 1.4 0.0 0.7 -1.4 -0.6 -1.0

Douai - Lens 2.5 1.1 1.8 3.6 1.9 2.8 2.0 0.2 1.1 0.2 -1.4 -0.6

Caen 3.3 1.1 2.2 5.2 1.6 3.4 2.1 0.6 1.3 0.4 -1.9 -0.7

Angers 2.7 0.9 1.8 4.8 1.9 3.3 2.1 0.8 1.5 0.1 -1.1 -0.5

Dijon 2.5 0.6 1.6 4.0 1.8 2.9 1.7 0.5 1.1 0.1 -1.8 -0.8

Metz 2.3 0.4 1.4 3.0 2.0 2.5 1.8 -0.6 0.6 0.3 -1.8 -0.8

Le Mans 2.9 0.4 1.7 5.1 0.7 2.9 1.8 0.0 0.9 -0.8 -1.7 -1.2

Reims 2.1 0.3 1.2 3.3 1.1 2.2 1.6 -0.1 0.8 0.1 -1.6 -0.7

Brest 4.0 1.5 2.8 6.3 3.0 4.6 1.0 0.4 0.7 -0.5 -1.0 -0.7

Valenciennes 3.1 0.6 1.8 4.6 1.5 3.1 2.3 0.2 1.2 2.0 -1.5 0.2

Amiens 3.5 0.1 1.8 4.2 2.0 3.1 2.1 0.5 1.3 -0.7 -1.4 -1.1

Le Havre 2.0 0.9 1.4 3.9 2.3 3.1 1.3 0.0 0.6 0.2 -2.2 -1.0

Bayonne 3.7 2.0 2.8 4.9 3.5 4.2 2.4 1.3 1.8 0.4 0.2 0.3

Limoges 2.6 0.3 1.5 4.4 0.8 2.6 1.9 0.4 1.2 -1.0 -2.6 -1.8

Poitiers 3.1 1.2 2.1 4.6 2.6 3.6 2.3 1.1 1.7 0.8 -1.6 -0.4

Mulhouse 1.1 -0.4 0.4 2.3 -0.5 0.9 1.4 0.3 0.8 -1.4 -2.5 -2.0

Perpignan 3.9 0.8 2.4 5.7 2.0 3.8 2.9 1.1 2.0 2.2 -0.2 1.0

Besançon 3.1 0.9 2.0 4.2 2.6 3.4 1.9 0.5 1.2 0.3 -1.2 -0.4

Béthune 1.9 -0.1 0.9 3.0 1.2 2.1 2.0 -0.1 0.9 -1.3 -2.5 -1.9

Pau 2.9 1.5 2.2 3.6 4.0 3.8 2.1 0.9 1.5 0.8 -1.4 -0.3

Annecy 2.2 1.4 1.8 3.1 2.9 3.0 2.4 1.4 1.9 -0.1 -1.4 -0.7

Nîmes 3.6 1.1 2.3 4.2 2.2 3.2 2.3 0.9 1.6 0.6 0.0 0.3

Moy. des AU > 200 sauf Paris 3.1 1.7 2.4 5.0 3.2 4.1 2.2 0.8 1.5 0.6 -0.9 -0.1

Moy. des 22 Métropoles 2.9 1.3 2.1 4.6 2.8 3.7 2.0 0.6 1.3 0.3 -1.1 -0.4

Moy. des 25 AU [100;200] 2.7 0.7 1.7 4.1 1.9 3.0 1.9 0.5 1.2 0.1 -1.4 -0.7

Moy. des 27 AU [50;100] 2.7 0.9 1.8 4.5 2.0 3.2 2.0 0.6 1.3 0.0 -1.0 -0.5

Moy. des AU < 50 2.3 0.5 1.4 3.7 1.5 2.6 1.9 0.3 1.1 -0.3 -1.5 -0.9

Toulon, malgré un déficit marqué de fonctions métropolitaines, connaît, à l’inverse de Rouen, une croissance des EFM et des CFM qui s’inscrit depuis le début des années 2000 dans la moyenne des grandes aires urbaines. Il reste que Toulon est une agglomération où les fonc-tions présentielles sont surreprésentées (comme le montrent les coefficients de spécialisation donnés au tableau 6) du fait de la forte présence de retraités, de touristes et des activités pu-

11

bliques de défense, alors que de façon générale les emplois présentiels sont relativement pro-portionnels à la taille de la population des aires (les coefficients de spécialisation donnés au tableau 4 sont proche de 1).

Une telle surreprésentation de l’économie présentielle se rencontre dans d’autres villes médi-terranéennes comme Nice, Nîmes, Perpignan ou Béziers. Toulon et Nice se caractérisent toute-fois par une croissance de l’emploi dans les fonctions présentielles relativement plus faible entre 2006 et 2013 que dans les autres grandes aires urbaines, et qui se démarque des ten-dances constatées avant 2006 (voir infra section 2.2).

Enfin, concernant les EAP, il apparaît nettement, d’après les coefficients de spécialisation don-nés au tableau 4, que c’est dans les aires urbaines de moins de 200 000 emplois que les fonc-tions productives représentent une part plus importante de l’emploi. De manière générale, les deux-tiers de l’emploi industriel sont localisés hors de l’Ile-de-France et des 18 zones d’emploi de province les plus peuplées (Poupard et Baude, 2014). 28 % des aires urbaines comprises entre 100 000 et 200 000 emplois et 40 % des aires entre 50 000 et 100 000 emplois se carac-térisent par des coefficients de spécialisation dans les activités productives supérieurs à 1,10 (tableau 6).

Sur la période 2006-2013, l’industrie a connu une baisse de l’emploi salarié de 12,8 % accélé-rant la tendance observée les sept années précédentes (-8,6 %). Les aires urbaines où sont localisées de manière non négligeable des activités industrielles ou logistiques peu résilientes ont connu une baisse sensible des EAP entre 2006 et 2013, notamment Lille, Strasbourg, Rouen, Grenoble et, parmi les aires urbaines entre 100 000 et 200 000 emplois, Saint-Etienne, Douai-Lens, le Havre, Mulhouse, Béthune (tableau 5) et entre 50 000 et 100 000 emplois, Montbéliard, Troyes, Colmar, Chalon-sur-Saône, etc.

La très faible croissance des EAP avant 2006 à Paris et sa baisse importante depuis 2006 s’inscrivent dans le long mouvement de déconcentration industrielle et renforcent la spéciali-sation de l’économie francilienne très orientée dans les fonctions métropolitaines, les activités décisionnelles et les services supérieurs à forte valeur ajoutée et productivité.

En conclusion, au niveau de l’armature urbaine supérieure, il apparaît un certain clivage en termes de structure et d’intensité de la croissance entre les aires urbaines de plus de 200 000 emplois et celles entre 50 000 et 200 000 emplois, si l’on met à part le cas de l’aire primatiale qu’est Paris. Les disparités se creusent depuis les années 2000 entre ces deux catégories : les plus grandes aires urbaines créent en moyenne plus d’emploi, attirent relativement plus les fonctions métropolitaines, les aires urbaines de second rang créent moins d’emplois et sont plus particulièrement affectées par la chute de l’emploi dans les activités productives. Il paraît ainsi se dessiner un lien entre la croissance de l’emploi total et la croissance de l’emploi dans les fonctions métropolitaines qui mérite d’être vérifié et évalué en envisageant ces deux caté-gories d’aires urbaines. Ceci étant, dans chaque catégorie d’aire urbaine, il existe des dyna-miques spécifiques qui font qu’il n’y a pas de relation apparente entre la taille de l’aire urbaine et sa croissance, aussi bien pour les EFM, les CFM que pour l’emploi total.

2. Le rôle déterminant des fonctions métropolitaines dans le processus de métropolisation

Quels sont les éléments moteurs de la croissance de l’emploi dans les aires urbaines et quelle part peut être attribuée aux fonctions métropolitaines ? Nous proposons un modèle à cet effet pour révéler les grands facteurs explicatifs et évaluer leurs effets. Nous en dégageons le rôle spécifique de Paris et des grandes aires urbaines dans le mouvement de métropolisation.

12

2.1. Modèle et méthode d’évaluation des sources de la croissance de l’emploi

La mise en évidence des mécanismes de la croissance économique d’une ville ou d’une région et leur évaluation par des méthodes empiriques ont été abordés de différentes manières dans la littérature.

L’approche de la théorie de la base est une des plus anciennes. D’inspiration keynésienne, elle explique le développement du secteur non basique (résidentiel), satisfaisant la consommation locale, par le développement du secteur basique, c’est-à-dire exportateur hors de la région. Il est souvent calculé en emploi (ou en production si l’information existe) un « ratio multiplica-teur » à un moment donné entre les deux secteurs − qu’il convient de délimiter par définition ou à travers différentes méthodes. Malgré l’assimilation fréquente avec le ratio multiplicateur, les effets multiplicateurs du secteur exportateur sur le secteur résidentiel ne peuvent être déterminés de manière correcte sur une période donnée qu’à partir d’un modèle dynamique liant en variation les deux secteurs20.

L’approche par la base économique a été revisitée par les travaux de Davezies (2008) qui ten-tent d’isoler l’ensemble des revenus basiques reçus par un territoire, qu’ils soient d’origine productive (comme ceux issus des exportations de biens et de services) ou liés à des presta-tions sociales et à des mécanismes de redistribution par l’intermédiaire des budgets publics.

L’approche par les fonctions de production régionales combinée à une évaluation des relations intersectorielles permet de décrire les relations production-productivité-emploi et capital hu-main, donc certaines dynamiques d’offre dans un territoire donné. Ces approches et de ma-nière plus générale les modèles économétriques qui ont pu combiner les dynamiques d’offre et de demande21 réclament l’utilisation de séries temporelles longues et cohérentes, en termes de valeur ajoutée ou de production notamment, souvent indisponibles à des niveaux territoriaux fins.

Catin (1995a) a proposé une spécification des grands mécanismes constitutifs de la croissance économique régionale dans une approche fonctionnelle et formalisable. De manière schéma-tique, la croissance régionale repose sur trois grands processus cumulatifs interconnectés qui combinent, sous différents rapports, des dynamiques d’offre et de demande, internes et ex-ternes : (i) les effets multiplicateurs, (ii) les effets de productivité, (iii) les effets de compétitivi-té. Ces trois boucles de croissance fondamentales prennent une intensité et des formes diffé-rentes dans un territoire donné selon ses structures et agissent ainsi de manière variable au cours du temps.

Un schéma décrivant l’interaction des principales variables qui interviennent dans les trois processus pouvant expliquer la croissance régionale est donnée dans l’encadré n° 1. Ce sché-ma, où agissent notamment les revenus, la productivité et les exportations peut servir de base d’analyse ici, s’il est possible (i) de traduire les variables en termes d’emploi, dans la mesure où c’est la seule information disponible en séries annuelles pour étudier les aires urbaines, (ii) de pouvoir isoler le rôle particulier de l’évolution du capital humain à la base des effets de pro-ductivité, facteur incontournable dans la croissance des grandes aires urbaines.

Pour cela, la catégorisation de l’emploi (non agricole) en trois types de fonctions qui a été re-tenue à la section précédente peut être pertinemment utilisée. On peut dire sous certaines hypothèses que :

(i) Les fonctions métropolitaines sont particulièrement représentatives des activités de con-naissance à la base des effets de productivité ;

20

Voir Catin et Nicolini (2005). 21

Pour une revue, voir Catin (1992).

13

(ii) Les fonctions présentielles correspondent à la production, induite par les effets multiplica-teurs, de biens et services répondant à la demande locale ; (iii) Les fonctions productives traduisent les exportations hors de la région et révèlent à diffé-rents égards des effets de compétitivité.

Encadré n° 1. Les mécanismes de la croissance régionale

A partir de Catin (1995a).

Soit de manière condensée aux variables endogènes revenu, productivité, exportations, explica-tives de la production :

14

L’originalité de cette approche est de pouvoir isoler en termes d’emploi un secteur « métropo-litain », au-delà des secteurs productifs « basiques » (exportateurs) et des secteurs « non ba-siques » (présentiels), qui permette de rendre compte de la place et de l’impact des profes-sions et des activités cognitives à fort capital humain dans l’économie des grandes aires ur-baines.

Les trois fonctions, métropolitaines, productives et présentielles, ne sont pas indépendantes. Des mécanismes économiques liant ces trois fonctions assurent le fondement de la croissance de l’emploi dans les aires urbaines.

Ainsi, l’évolution de l’emploi (non agricole) dans une période donnée peut notamment être attribuée à trois « blocs moteurs » − les fonctions métropolitaines, les activités productives et les revenus captés par les territoires en provenance de l’extérieur :

l’évolution de l’emploi dans les fonctions métropolitaines a évidemment un effet direct sur la croissance de l’emploi, mais a également un effet indirect par l’intermédiaire d’effets multiplicateurs – à travers les revenus distribués en salaires et profits à partir notamment des gains de productivité réalisés – sur l’emploi dans les fonctions présentielles. Les fonc-tions métropolitaines s’entrecroisent aussi avec les activités productives à travers diffé-rentes relations de complémentarité industrie-services. Les cadres des fonctions métropoli-taines forment le capital humain particulier qui peut être à l’origine de meilleures perfor-mances productives, de la diffusion d’externalités de connaissance et d’innovations.

L’évolution de l’emploi dans les activités productives, largement exportatrices pour l’aire urbaine, outre un effet direct sur l’emploi, agit également, par les revenus distribués et leurs effets multiplicateurs, sur l’emploi dans les fonctions présentielles.

Il faut considérer aussi l’évolution des revenus issus des bases non productives (revenus publics, revenus résidentiels, revenus sociaux)22 selon les termes de Davezies. Ils seront qua-lifiés ici de revenus extérieurs en ce sens qu’il s’agit de revenus d’origine extérieure qui en-trent dans l’aire urbaine sans contrepartie productive marchande préalable. L’évolution des revenus extérieurs reçus occasionne des dépenses locales et des effets multiplicateurs sur l’emploi dans les fonctions présentielles.

L’évolution des activités présentielles qui satisfont le marché local sont des activités largement induites par l’évolution des dépenses et de la population dans l’aire urbaine. La croissance de l’emploi dans les fonctions présentielles peut dépendre d’une part des revenus injectés dans l’aire urbaine par les activités productives et métropolitaines et d’autre part de la croissance des revenus extérieurs. L’évolution de l’emploi dans les fonctions présentielles traduit large-ment l’importance des effets multiplicateurs dans l’économie locale, initiés par la demande à travers l’évolution des fonctions métropolitaines, des activités productives et des revenus d’origine extérieure.

Dans cet esprit, un modèle simple peut être établi permettant d’estimer globalement pour chacune des aires urbaines les sources de la croissance de l’emploi ainsi formulées dans une période donnée.

22

En suivant Davezies (2008) les bases non productives recouvrent : (i) les revenus publics (salaires des emplois publics) − dont on devrait, pour être strict, enlever la rémunération des emplois publics locaux plus ou moins finan-cés par les impôts locaux ; (ii) les revenus résidentiels qui couvrent notamment les pensions de retraite versées par l’Etat aux résidents et les dépenses des touristes (nationaux ou étrangers) ; (iii) les revenus sociaux qui compren-nent les prestations sociales et transferts sociaux de l’Etat aux résidents autres que les retraites. On peut remarquer qu’une partie de ces bases est à proprement parler productive (au sens où elles entrent dans la formation du PIB) comme la production non marchande (publique) et le tourisme (hôtellerie…), à la différence des bases redistribu-tives (retraites, prestations sociales…).

15

Encadré 2. Décomposition des sources de la croissance de l’emploi dans les aires urbaines

Le modèle est constitué à la base de deux équations.

- La première équation est purement comptable, elle décompose l’emploi non agricole (E) d’une aire urbaine donnée en emplois dans les fonctions métropolitaines (EFM), productives (EAP) et présen-tielles (EFP). Soit en variation entre deux années données :

(1) ΔE = ΔEFM + ΔEAP + ΔEFP

- La deuxième équation est une équation fonctionnelle estimée ici économétriquement (par les moindres carrés ordinaires) sur les deux catégories d’aires urbaines considérées. Elle relie, en taux de croissance, l’emploi dans les fonctions présentielles à l’emploi dans les fonctions productives et métropolitaines (EAP + EFM).

(2) ΔEFP

EFP= 𝑎

Δ (EFM+EAP)

(EFM+EAP)+ 𝑏 + 𝑒

Les résultats des estimations de cette équation sur les deux groupes d’aires urbaines sur la période 1999-2013 sont portés dans les graphiques 2 et 3. Le graphique 2 donne la droite d’ajustement propre aux 16 plus grandes aires urbaines et le graphique 3 la droite d’ajustement qui caractérise les 52 aires urbaines de second rang, dans la période 1999-2013. Les estimations faites sur la sous-période 1999-2006, pour les 16 plus grandes aires urbaines, sont données dans le graphique 4, et celles se rapportant à la sous-période 2006-2013 dans le graphique 5.

La prise ensemble des deux équations permet de décomposer et d’estimer les différentes sources de croissance de l’emploi non agricole E.

Si l’on raisonne en taux de croissance, l’équation (1) s’écrit par définition :

(1’) ΔE

E= (

EFM

E)

ΔEFM

EFM+ (

EAP

E)

ΔEAP

EAP+ (

EFP

E)

ΔEFP

EFP

avec par exemple sur la période 1999-2013 EFM/E la part de EFM dans l’emploi à l’année d’origine, c’est-à-dire en 1999 ; EAP/E la part de EAP dans l’emploi en 1999 ; EFP/E la part de EFP dans l’emploi en 1999.

D’où, en considérant l’équation (2), l’équation (1’) devient :

(3) ΔE

E= (

EFM

E)

ΔEFM

EFM+ (

EAP

E)

ΔEAP

EAP+ (

EFP

E) 𝑎

Δ(EFM+EAP)

EFM+EAP+ 𝑏

EFP

E+ 𝑒

EFP

E

qui peut être réécrite de la manière suivante :

(3’) ΔE

E=

ΔEFM

E+

ΔEAP

E+ (𝑎

EFP

EFM+EAPΔEFM)/ E + (𝑎

EFP

EFM+EAPΔEAP)/ E + 𝑏

EFP

E+ 𝑒

EFP

E

Effet direct de Effet multiplicateur Effet multiplicateur Effet des revenus ΔEFM et ΔEAP de ΔEFM de ΔEAP extérieurs

A partir de l’équation (3’), différentes décompositions peuvent être opérées pour expliquer la crois-sance de l’emploi non agricole. Il est notamment mis en évidence que ΔE dépend dans chaque aire urbaine des effets directs et indirects de ΔEFM et ΔEAP, ainsi que des effets multiplicateurs des re-venus extérieurs, qui se décomposent en deux éléments :

- un effet multiplicateur moyen des revenus extérieurs qui tend à une certaine augmentation de

l’emploi dans les fonctions présentielles dans les aires urbaines en général (b EFP) ;

- un effet multiplicateur des revenus extérieurs propre à chaque aire urbaine, selon leurs particula-rités en matière de consommation, d’offre d’activités présentielles et d’évolution des revenus pu-blics, résidentiels ou sociaux (e EFP) dans la période considérée.

16

Graphique 2. Relation entre le taux de croissance de l’emploi dans les fonctions présentielles et les taux de croissance dans les fonctions productives et métropolitaines

dans les 16 plus grandes aires urbaines (1999-2013)


dans les aires urbaines de 50 000 à 200 000 emplois (1999-2013)

Paris

Lyon

Marseille-Aix

Toulouse

Lille

Bordeaux

Nantes

Nice Strasbourg

Rennes

Grenoble

Rouen

Montpellier

Toulon Tours

Clermont

y = 0.518x + 0.753 (8,4) (7,8)

R² = 0.83

0.8

1.0

1.2

1.4

1.6

1.8

2.0

2.2

2.4

0.0 0.5 1.0 1.5 2.0 2.5 3.0

TCA

M E

FP

TCAM EFM+EAP

Avignon

St-Étienne Orléans

Nancy

Le Mans

Brest Le Havre

Poitiers

Mulhouse

Perpignan

Béthune

Annecy

Dunkerque

Chambéry

Saint-Nazaire

La Rochelle

Lorient

Troyes

Niort

Vannes

Montbéliard

Bourges Arras

Béziers

Chalon

Beauvais

Cholet

Agen

y = 0.414x + 0.973 (5,9) (14,0)

R² = 0.41

0.2

0.7

1.2

1.7

2.2

-1.4 -0.9 -0.4 0.1 0.6 1.1 1.6 2.1

TCA

M E

FP

TCAM EFM+EAP

17





Paris

Lyon

Marseille-Aix

Toulouse

Lille

Bordeaux Nantes

Nice

Strasbourg

Rennes

Grenoble

Rouen

Montpellier

Toulon

Tours

Clermont

y = 0.508x + 1.075 (8.6) (8.2)

R² = 0.84

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

2.8

3.0

3.2

0.6 1.1 1.6 2.1 2.6 3.1 3.6

TCA

M E

FP

TCAM EFM+EAP

Paris

Lyon

Marseille-Aix

Toulouse

Lille

Bordeaux

Nantes

Nice

Strasbourg

Rennes

Grenoble

Rouen

Montpellier

Toulon

Tours

Clermont

y = 0.489x + 0.475 (4.3) (4.4)

R² = 0.57

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

1.6

1.8

2.0

-0.4 0.1 0.6 1.1 1.6 2.1

TCA

M E

FP

TCAM EFM+EAP

18

Le modèle économique qui a été conçu s’inspire d’une certaine manière de la présentation élémentaire de la théorie de la base transposée dans une approche dynamique et en l’élargissant à un troisième « secteur », les fonctions métropolitaines, procurant particulière-ment des services intensifs en connaissance à des activités localisées sur le territoire, et large-ment à l’origine d’effets de productivité.

L’intérêt du modèle est de saisir l’effet spécifique des fonctions métropolitaines par rapport aux autres blocs moteurs sur la croissance de l’emploi des aires urbaines, en tenant compte de leur taille, et de pouvoir les comparer. Le modèle ne traite pas les dynamiques d’offre. Il laisse exogènes les raisons de la localisation et de l’évolution des fonctions métropolitaines et pro-ductives dans chaque catégorie d’aires urbaines (supérieures à 200 000 emplois et comprises entre 50 000 et 200 000 emplois) qui disposent de structures assez proches en ce sens.

Une équation fonctionnelle est estimée sur les deux catégories d’aires urbaines considérées reliant dans la période retenue la croissance de l’emploi dans les fonctions présentielles à celle de l’emploi dans les fonctions productives et métropolitaines. Elle permet de décomposer les sources de la croissance selon la valeur des paramètres (l’élasticité et la constante) et des rési-dus (écarts entre valeurs observées et calculées).

L’encadré 2 présente le modèle et la décomposition de la croissance de l’emploi non agricole en ses différents facteurs explicatifs.

Les graphiques 2 et 3 montrent que la croissance des fonctions productives et métropolitaines explique significativement la croissance de l’emploi dans les fonctions présentielles, pour les plus grandes aires urbaines comme pour les aires urbaines de second rang23.

L’élasticité a traduit l’effet de la croissance de EFM+EAP sur la croissance de EFP, en moyenne pour les aires urbaines de chaque groupe considéré. On peut relever que, toutes choses égales par ailleurs, une croissance de 1 % de l’emploi dans les fonctions productives et métropoli-taines tend à un accroissement de 0,52 % de l’emploi dans les fonctions présentielles dans les plus grandes aires urbaines et de 0,41 % dans les aires urbaines de second rang dans la période 1999-2013. L’élasticité plus élevée de EFM à EFM+EAP pour les aires urbaines supérieures à 200 000 emplois que pour les aires urbaines entre 50 000 et 200 000 emplois montre un effet multiplicateur sur les emplois présentiels en moyenne relativement plus important pour les grandes aires urbaines24.

L’emploi dans les fonctions présentielles progresse de manière indépendante des fonctions productives et métropolitaines, en moyenne de 0,75 % par an dans les grandes aires urbaines, et de 0,97 % dans les aires urbaines de second rang (valeur de la constante b), du fait peut-on dire de la croissance globale des revenus extérieurs. La croissance des EFP liée aux revenus extérieurs est ainsi relativement plus forte en général pour les aires urbaines de second rang sur la période 1999-2013.

Les écarts verticaux (e) entre valeurs observées et valeurs calculées (par la droite d’ajustement) dans les graphiques 2 et 3 montrent, pour l’essentiel, les effets spécifiques sur l’emploi présentiel de la croissance des revenus extérieurs dans chaque aire urbaine par rap-port aux autres, au-delà de l’effet moyen donné par la constante. On peut relever d’après le graphique 2 un effet plus faible (résidu négatif) pour Paris ainsi que pour Marseille-Aix, Toulon et Nice sur la période 1999-2013, particulièrement dû pour Toulon et Nice à la période 2006-2013 (graphique 5). On peut constater à l’inverse un effet relativement plus fort des revenus

23

De meilleurs tests statistiques s’observent pour les plus grandes aires urbaines car les aires comprises entre 50 000 et 200 000 emplois forment un groupe un peu plus hétérogène. 24

Lié à un effet de taille et de diversité des fonctions présentielles dans les grandes aires urbaines, effet qui décroît en descendant dans la hiérarchie urbaine.

19

extérieurs pour Bordeaux, et le basculement pour Grenoble entre 1999-2006 (résidu négatif) et 2006-2013 (résidu positif) où il apparaît en quelque sorte que les dynamiques présentielles présentent un certain décalage par rapport aux dynamiques productives et métropolitaines.

2.2. Le rôle moteur des fonctions métropolitaines dans la croissance de l’emploi dans les grandes aires urbaines

Les contributions moyennes à la croissance de l’emploi calculées à partir de l’équation (3’)25 et données aux tableaux 7 et 8 montrent que sur la période 1999-2013 l’emploi dans les fonctions métropolitaines est le principal moteur de la croissance de l’emploi dans les grandes aires ur-baines, loin devant les revenus extérieurs. La croissance de EFM et des revenus extérieurs plus que compense l’effet en moyenne négatif de l’évolution des EAP, effet négatif limité pour les aires urbaines supérieures à 200 000 emplois mais plus important pour les aires urbaines entre 50 000 et 200 000 emplois.

D’après le tableau 9, pour les grandes aires urbaines la contribution à la croissance de l’emploi des EFM a été en moyenne de 71 % par rapport à celle des revenus extérieurs qui a été de 29 %, si l’on ne considère pas l’effet des EAP. A la différence, d’après le tableau 10, il apparaît nette-ment que la contribution moyenne à la croissance de l’emploi est plus due aux revenus exté-rieurs (55,5 %) qu’à l’évolution des EFM (44,5 %) dans les aires urbaines de second rang.

Tableau 7. Contribution relative des fonctions métropolitaines, productives et des reve-nus extérieurs à la croissance de l’emploi dans les grandes aires urbaines (1999-2013)

Contribution

relative de EFM Contribution

relative de EAP

Contribution relative des revenus

extérieurs Total

Paris 84.5 -13.5 29.0 100

Lyon 75.1 -8.4 33.3 100

Marseille-Aix 72.2 3.2 24.6 100

Toulouse 68.2 14.7 17.1 100

Lille 95.9 -44.1 48.2 100

Bordeaux 65.1 0.9 34.0 100

Nantes 79.7 6.6 13.7 100

Nice 70.8 6.5 22.7 100

Strasbourg 77.2 -34.8 57.6 100

Rennes 77.8 2.0 20.3 100

Grenoble 74.1 -8.3 34.2 100

Rouen 84.0 -57.0 72.9 100

Montpellier 72.2 9.2 18.6 100

Toulon 78.5 -2.7 24.1 100

Tours 75.4 -15.4 40.0 100

Clermont 73.8 -19.2 45.4 100

Contribution moyenne 76.5 -10.0 33.5 100

La contribution moyenne correspond à la moyenne arithmétique des contributions rela-tives des aires urbaines. Il en est de même dans les tableaux 8 à 12.

Dans les grandes aires urbaines, les EAP contribuent faiblement à la croissance de l’emploi entre 1999 et 2006 (tableau 11) mais leur baisse affecte fortement la croissance de l’emploi entre 2006 et 2013 (tableau 12), d’où leur effet en moyenne négatif sur l’ensemble de la pé-riode 1999-2013 (-10 % dans le tableau 7). Six aires urbaines présentent un effet négatif des EAP particulièrement marqué sur l’emploi dans la période 1999-2013 : plus de 30 % à Rouen, Lille, Strasbourg, plus de 10 % à Clermont, Tours et Paris. A l’inverse, il faut distinguer deux grandes aires urbaines, Toulouse et Montpellier, qui connaissent une augmentation de l’emploi dans les activités productives entre 2006 et 2013.

25

Le détail du calcul de décomposition est présenté en annexe 3 pour les grandes aires urbaines.

20

Tableau 8. Contribution relative des fonctions métropolitaines, productives et des reve-nus extérieurs à la croissance de l’emploi dans les aires urbaines entre 50 000 et 200 000

emplois (1999-2013)

Contribution


relative de EAP

Contribution relative des revenus

extérieurs Total

Avignon 52.3 2.2 45.5 100 Saint-Étienne 83.5 -116.5 133.0 100 Orléans 74.6 -34.4 59.8 100 Nancy 88.3 -49.0 60.7 100 Douai - Lens 59.0 -28.1 69.1 100 Caen 72.0 -19.7 47.7 100 Angers 59.4 -11.7 52.3 100 Dijon 69.4 -29.2 59.8 100 Metz 97.5 -45.6 48.1 100 Le Mans 96.2 -64.5 68.4 100 Reims 78.0 -36.3 58.3 100 Brest 119.3 -21.7 2.4 100 Valenciennes 46.8 8.5 44.7 100 Amiens 66.5 -42.7 76.2 100 Le Havre 118.9 -108.2 89.3 100 Bayonne 58.4 5.6 36.0 100 Limoges 78.6 -90.4 111.7 100 Poitiers 55.4 -7.4 52.0 100 Mulhouse 209.9 -1183.7 1073.8 100 Perpignan 47.3 12.7 40.0 100 Besançon 66.9 -12.6 45.6 100 Béthune 164.9 -632.8 568.0 100 Pau 65.7 -5.7 40.0 100 Annecy 54.0 -14.7 60.7 100 Nîmes 60.3 4.8 34.9 100 Dunkerque 80.0 -15.7 35.8 100 Chambéry 62.6 2.8 34.6 100 Saint-Nazaire 53.6 22.9 23.6 100 La Rochelle 66.3 2.8 30.8 100 Lorient 68.3 -15.9 47.5 100 Valence 57.6 -1.7 44.1 100 Genève-Annemasse 39.5 -11.0 71.5 100 Angoulême 55.3 -76.0 120.8 100 Troyes 175.9 -305.7 229.7 100 Saint-Brieuc 53.7 -7.3 53.6 100 Niort 92.5 -1.7 9.2 100 Vannes 60.3 -2.2 41.9 100 Montbéliard ° (56.7) (-221.6) (64.9) (100) Bourges 176.1 -355.2 279.1 100 Chartres 85.4 -46.7 61.4 100 Quimper 55.1 5.1 39.8 100 Arras 57.5 6.1 36.5 100 La Roche-sur-Yon 60.6 13.3 26.1 100 Colmar 91.4 -58.7 67.3 100 Béziers 36.3 15.8 48.0 100 Chalon-sur-Saône 58.0 -170.3 212.4 100 Laval 79.4 -27.8 48.4 100 Beauvais 47.8 -32.3 84.5 100 Blois 93.1 -41.4 48.3 100 Bourg-en-Bresse 43.6 3.1 53.3 100 Cholet 80.4 -72.3 91.9 100 Agen 35.6 14.1 50.3 100 Contribution moyenne 76.6 -72.1 95.4 100

° Aire urbaine où le taux de croissance de l’emploi est négatif sur la période, et non retenue dans le calcul de la contribution moyenne.

21

Tableau 9. Contributions positives des fonctions métropolitaines et des revenus exté-rieurs à la croissance de l’emploi dans les grandes aires urbaines (1999-2013)

Contributions relatives à l’exclusion des effets de EAP

Contribution

relative de EFM Contribution relative

des revenus extérieurs Total

Paris 74.5 25.5 100

Lyon 69.3 30.7 100

Marseille-Aix* 74.6 25.4 100

Toulouse* 79.9 20.1 100

Lille 66.6 33.4 100

Bordeaux* 65.7 34.3 100

Nantes* 85.3 14.7 100

Nice* 75.7 24.3 100

Strasbourg 57.3 42.7 100

Rennes* 79.3 20.7 100

Grenoble 68.4 31.6 100

Rouen 53.5 46.5 100

Montpellier* 79.5 20.5 100

Toulon 76.5 23.5 100

Tours 65.4 34.6 100

Clermont 61.9 38.1 100

Contribution moyenne 70.8 29.2 100

* Indique les aires urbaines où la contribution de EAP est positive.

Dans les aires urbaines comprises entre 50 000 et 200 000 emplois, l’effet à la baisse des EAP est spectaculaire entre 1999 et 2013 à Montbéliard, Mulhouse et Béthune, et très prononcé à Troyes, Bourges, Chartres, Chalon-sur-Saône, Saint-Etienne, le Havre... (tableau 8). La baisse de l’emploi dans ces aires urbaines occasionnée par celle des EAP a été plus ou moins amortie26 grâce essentiellement aux revenus extérieurs, sauf au Havre et à Chartres où le rôle des EFM n’est pas négligeable (tableau 10).

A partir du tableau 9, l’effet moyen des EFM sur l’emploi calculé dans les grandes aires ur-baines où EAP n’a pas baissé est, entre 1999 et 2013, de 77,1 % alors qu’il est de 61,9 % dans les aires urbaines où EAP a diminué. A la différence, le même calcul effectué pour les aires urbaines de second rang, en séparant dans le tableau 10 les aires urbaines selon la variation positive ou négative de EAP, montre un écart très faible (56,8 % contre 52,2 %). Ainsi, aux avantages procurés par la croissance des EFM dans les grandes aires urbaines et qui ont été estimés (part dans l’emploi, effets multiplicateurs) vient s’ajouter un avantage apparent en termes de performance : les activités productives ont mieux résisté en termes d’emploi dans la période de crise là où la dynamique des fonctions métropolitaines est importante.

Ces différents éléments mis en évidence par le modèle confirment le rôle d’autant plus impor-tant des EFM dans la dynamique économique des grandes aires urbaines et leur rôle en la ma-tière dans le creusement des inégalités entre les grandes aires urbaines et les aires urbaines de taille inférieure. On peut aussi vérifier que dans les grandes aires urbaines, les plus fortes crois-sances de l’emploi observées entre 1999 et 2013 à Toulouse, Montpellier, Nantes et Rennes reposent sur la forte augmentation de l’emploi dans les fonctions métropolitaines et à leurs effets (voir tableau 9). On peut retrouver d’une certaine manière cette relation dans les aires urbaines de second rang (Bayonne, Caen, Nîmes, Pau...) mais à un moindre degré, vu le poids souvent limité des EFM et des CFM et en faisant la part des spécialisations productives particu-lières de certaines aires.

26

A l’exception de Montbéliard où la baisse des EAP (en proportion très importante dans l’économie, et où la moitié des emplois industriels dépend de l’entreprise Peugeot Citroën Automobile) n’est pas suffisamment compensée par les EFM et les revenus extérieurs, d’où une diminution de l’emploi total.

22

Tableau 10. Contributions positives des fonctions métropolitaines et des revenus extérieurs à la croissance de l’emploi dans les aires urbaines

entre 50 000 et 200 000 emplois (1999-2013)

Contributions relatives à l’exclusion des effets de EAP

Contribution

relative de EFM

Contribution relative des

revenus extérieurs Total

Avignon* 53.5 46.5 100 Saint-Étienne 38.6 61.4 100 Orléans 55.5 44.5 100 Nancy 59.3 40.7 100 Douai - Lens 46.1 53.9 100 Caen 60.2 39.8 100 Angers 53.2 46.8 100 Dijon 53.7 46.3 100 Metz 67.0 33.0 100 Le Mans 58.5 41.5 100 Reims 57.2 42.8 100 Brest 98.0 2.0 100 Valenciennes* 51.2 48.8 100 Amiens 46.6 53.4 100 Le Havre 57.1 42.9 100 Bayonne* 61.8 38.2 100 Limoges 41.3 58.7 100 Poitiers 51.6 48.4 100 Mulhouse 16.4 83.6 100 Perpignan* 54.2 45.8 100 Besançon 59.5 40.5 100 Béthune 22.5 77.5 100 Pau 62.1 37.9 100 Annecy 47.1 52.9 100 Nîmes* 63.4 36.6 100 Dunkerque 69.1 30.9 100 Chambéry* 64.4 35.6 100 Saint-Nazaire* 69.4 30.6 100 La Rochelle* 68.3 31.7 100 Lorient 59.0 41.0 100 Valence 56.6 43.4 100 Genève-Annemasse 35.6 64.4 100 Angoulême 31.4 68.6 100 Troyes 43.4 56.6 100 Saint-Brieuc 50.0 50.0 100 Niort 91.0 9.0 100 Vannes 59.0 41.0 100 Montbéliard 46.6 53.4 100 Bourges 38.7 61.3 100 Chartres 58.2 41.8 100 Quimper* 58.1 41.9 100 Arras* 61.2 38.8 100 La Roche-sur-Yon* 69.9 30.1 100 Colmar 57.6 42.4 100 Béziers* 43.1 56.9 100 Chalon-sur-Saône 21.4 78.6 100 Laval 62.1 37.9 100 Beauvais 36.1 63.9 100 Blois 65.8 34.2 100 Bourg-en-Bresse* 45.0 55.0 100 Cholet 46.7 53.3 100 Agen* 41.5 58.5 100 Contribution moyenne 44.5 55.5 100

* Indique les aires urbaines où la contribution de EAP est positive.

23


Contribution


relative de EAP



Paris 70.9 1.7 27.3 100

Lyon 64.1 3.1 32.8 100

Marseille-Aix 63.3 12.8 23.9 100

Toulouse 64.2 19.8 16.0 100

Lille 77.8 -25.5 47.8 100

Bordeaux 59.8 6.2 34.0 100

Nantes 65.2 12.8 22.1 100

Nice 57.6 13.4 29.0 100

Strasbourg 55.2 -2.3 47.1 100

Rennes 69.7 15.1 15.2 100

Grenoble 63.2 14.3 22.4 100

Rouen 67.7 -17.7 50.0 100

Montpellier 66.1 11.5 22.4 100

Toulon 58.2 6.6 35.2 100

Tours 61.9 0.1 38.0 100

Clermont 61.8 1.1 37.1 100

Contribution moyenne 64.2 4.6 31.3 100


Contribution


relative de EAP



Paris 117.7 -54.2 36.5 100

Lyon 91.4 -27.3 35.9 100

Marseille-Aix 93.9 -25.6 31.7 100

Toulouse 70.7 5.1 24.2 100

Lille 133.3 -83.9 50.6 100

Bordeaux 72.3 -8.7 36.4 100

Nantes 99.5 -3.8 4.3 100

Nice 161.7 -46.7 -15.0 100

Strasbourg 202.7 -225.3 122.7 100

Rennes 89.5 -25.8 36.2 100

Grenoble 106.6 -85.4 78.9 100

Rouen 188.8 -321.6 232.8 100

Montpellier 76.8 5.4 17.8 100

Toulon 168.1 -47.1 -21.0 100

Tours 125.3 -77.1 51.8 100

Clermont 108.8 -84.5 75.8 100

Contribution moyenne 119.2 -69.2 50.0 100

Une dernière remarque peut être ajoutée concernant les écarts importants à la droite d’ajustement constatés pour certaines grandes aires urbaines (graphiques 2, 4 et 5) et signalés au paragraphe 2.1. Les raisons peuvent être de deux ordres. (i) D’une part, les revenus publics, résidentiels et sociaux ou leur périmètre peuvent évoluer différemment. Ainsi, la baisse de l’emploi dans les administrations publiques constaté entre 2006 et 2013 a particulièrement affecté Toulon27. A l’inverse, Bordeaux a connu un fort développement des emplois présentiels

27

Et depuis les années 2000 Brest (voir graphique 3 pour les aires urbaines de moins de 200 000 emplois) qui dis-pose aussi d’un important secteur public industriel lié à la Défense.

24

dans les activités liées au tourisme et l’action sociale depuis les années 2000, sans beaucoup faiblir après 2006. (ii) D’autre part, il faut noter que les effets multiplicateurs sur les EFP ne sont pas indépendants des variations de la consommation selon la conjoncture et de la ma-nière dont l’économie présentielle des aires urbaines réagit. Ainsi, la baisse des achats de lo-gement et la crise dans le bâtiment-travaux publics ont particulièrement affecté Toulon dans la période 2006-2013, comme il apparaît que la faible évolution de la consommation a pesé sur l’évolution des emplois dans la distribution à Nice, secteurs du bâtiment et du commerce tous deux fortement créateurs d’emplois avant 2006.

2.3. Les spécificités de la région parisienne dans le processus de métropolisation et ses effets de diffusion en termes d’emploi

Il apparaît de ce qui précède que les évolutions de l’emploi à Paris sont assez particulières par rapport aux autres grandes aires urbaines, sur deux plans notamment : un effet moindre des revenus extérieurs sur l’emploi dans les fonctions présentielles et la croissance relativement limitée de l’emploi dans les fonctions métropolitaines. Cette dernière particularité est à lier à la surproductivité associée à la concentration des fonctions métropolitaines en région pari-sienne. Elle invite de manière générale à spécifier la place et le rôle de Paris dans le processus de métropolisation.

Un rôle moindre des revenus extérieurs sur l’emploi dans les fonctions présentielles

La région parisienne souffre, comme il a pu être souligné dans les travaux de Davezies, d’une faible base résidentielle, notamment en matière de retraite, affectant relativement la crois-sance de l’emploi dans les fonctions présentielles.

Encadré 3. La redistribution interrégionale du revenu des ménages à travers le budget des retraites

En France, les dépenses publiques représentent 39 % du PIB en 1973 et environ 57 % en 2013. Le budget de la protection sociale représente près de 60 % de la dépense publique, soit presque 34 % du PIB. Au premier rang des dépenses sociales, on trouve les retraites avec plus de 12 % du PIB.

Or, l’Ile-de-France, du fait de soldes migratoires interrégionaux négatifs à partir de 30-35 ans28 et d’un fort déficit migratoire à l’âge de la retraite, a une pyramide des âges plus jeune que les régions de Province : en 2013, les 20-39 ans représentent 29 % de la population francilienne contre 23,7 % dans l’ensemble des régions de Province, les 60-74 ans représentent 12,1 % de la population francilienne contre 15,6 % en Province, les 75 ans et plus 6,6 % contre 9,7 % en Province.

Ainsi, à travers les prélèvements obligatoires et les pensions de retraite versées, tout se passe comme si une partie du revenu des ménages franciliens est transférée et dépensée dans les régions de Province. Cette redistribution de pouvoir d’achat génère dans ces régions un développement des fonctions présen-tielles (services de proximité, santé, construction, etc.). Ce transfert de richesses produites en région pari-sienne favorise notamment des territoires qui présentent une part importante de retraités dans la popula-tion et dont les fonctions présentielles sont très dépendantes des revenus résidentiels et sociaux.

On peut prendre la mesure dans l’encadré 3 de l’évasion de revenu et de consommation sur l’emploi dans les fonctions présentielles liée à la pyramide des âges de la population franci-lienne. Un calcul issu de notre modèle29 fait apparaître qu’entre 1999 et 2013, par rapport à l’effet moyen des revenus extérieurs estimé dans les grandes aires urbaines, c’est environ 90 000 emplois dans les fonctions présentielles en moins de créés à Paris. Ce qui correspond à une perte de croissance globale de 3,7 % sur la période alors que la croissance observée de EFP a été de 13,8 %.

28

Le solde migratoire avec la Province est surtout positif pour les étudiants et pour les cadres de moins de 35 ans. En 2012, 47 % des jeunes de 18 à 24 ans sont étudiants en Ile-de-France contre 36 % en Province. Le poids de l’Ile-de-France parmi les diplômés du supérieur s’accroît grâce aux natifs des autres régions françaises (Calvier et Pi-chard, 2015). 29

A partir de l’écart e défini dans l’encadré 1 (équation 2) et constaté dans le graphique 2.

25

Une croissance limitée de l’emploi dans les fonctions métropolitaines

Paris se caractérise par une surreprésentation massive des CFM relativement à sa taille (voir tableaux 4 et 6)30. Les raisons semblent provenir, au-delà d’un potentiel économique histori-quement constitué pendant plus d’un siècle et de l’attraction qu’a exercée la ville capitale, d’un renforcement, engagé dans les années 1980, de la spécialisation du tissu productif franci-lien vers des activités à haut niveau de qualification, dans les fonctions de conception, déci-sionnelles et de service supérieur31, parallèlement au mouvement de contraction et de déloca-lisation (vers la province ou l’étranger) des établissements industriels avec des suppressions d’emploi dans les activités de fabrication deux fois plus fortes entre 1982 et 1999 que celles constatées dans les grandes aires urbaines (-47,1 % contre -23,5 %).

La tendance à la baisse de l’emploi dans les fonctions productives s’est poursuivie à Paris sur la période 1999-2013, particulièrement entre 2007 et 2013, et avec une acuité toujours plus pro-noncée que, en moyenne, dans les grandes aires urbaines.

Un certain virage métropolitain se dessine dans les années 1990 où il apparaît alors qu’à la fois la croissance de l’emploi total et la croissance de l’emploi dans les fonctions métropolitaines dans les grandes aires urbaines deviennent supérieures à celles de Paris, et l’écart se creuse dans les années 2000. La région parisienne se caractérise en effet par une faible croissance des EFM, la plus basse des grandes aires urbaines. Elle connaît aussi un décrochage dans la crois-sance relative des CFM : la croissance des CFM à Paris reste proche depuis 2000 de celle ob-servée entre 1982 et 1999 mais la croissance des CFM dans les grandes aires urbaines est de-venue, elle, bien supérieure (4,1 % contre 2,8 %, tableau 5).

A la différence de l’emploi toutefois, d’après les statistiques annuelles de PIB régionaux à prix constants publiées par l’Insee, le PIB de l’Ile-de-France a plus augmenté que le PIB de la Pro-vince entre 1999 et 2013 : même si l’on neutralise l’année 2008 qui surestime la croissance de l’Ile-de-France32, le PIB a augmenté en volume de 1,9 % par an contre 1,8 % en Province entre 2000 et 2007, et de 0,7 % contre 0,2 % en Province entre 2008 et 201333.

Il en résulte une croissance de la productivité apparente (PIB/emploi) plus importante en Ile-de-France qu’en Province : 1,3 % contre 1% en 2000-2007, 0,4 % contre 0 % en 2008-201334.

Une estimation donnée par ailleurs par l’OCDE35 des PIB à prix constants au niveau des aires urbaines françaises, laisserait apparaître que, entre 2000 et 2012, le PIB parisien a augmenté plus vite qu’au niveau national et à peu près au même rythme que les 13 plus grandes aires urbaines après Paris36. Si l’on retient les statistiques de PIB à prix courants données par dépar-tement par Eurostat pour la France (niveau NUTS 3) sur la base des statistiques de l’Insee, il

30

Une simulation simple sur les plus grandes aires urbaines en 2013 donne pour Paris un excédent relatif de quelque 350 000 emplois de cadres dans les fonctions métropolitaines. La méthode générale de calcul liant CFM à E est donnée dans Catin et Van Huffel (2015). 31

Voir Catin et Van Huffel (2003). Voir aussi Catin (1995b, 1997) ; Catin et Ghio (1999). 32

Il doit être noté que les PIB délivrés par l’Insee sont certainement affectés d’un biais en 2008 qui tend à hausser le PIB de l’Ile-de-France et à réduire parallèlement celui des autres régions pour des raisons de changement de source sur les données des entreprises (voir Askenazy et Martin, 2015, p. 3). 33

Le PIB de l’Ile-de-France avait connu une plus forte progression que le PIB des régions de Province dans les an-nées 1980 puis une croissance peu supérieure dans les années 1990, qui s’est poursuivie jusqu’en 2007, avant semble-t-il de progresser plus nettement à partir de la crise de 2008. 34

Et donc, en niveau, un différentiel de productivité croissant : le rapport PIB/emploi qui était en Ile-de-France de 1,3 fois supérieur à la Province en 1990, 1,36 fois supérieur en 1999, 1,38 fois supérieur en 2007, est devenu 1,5 fois supérieur en 2013 (en ne neutralisant pas l’effet du biais statistique de l’année 2008). 35

OECD (2013), “Metropolitan areas”, Regional Statistics (database), http://dx.doi.org/10.1787/data-00531-en. Il faut noter que la méthode d’estimation des PIB paraît reposer sur de nombreuses hypothèses. 36

Correspondant aux aires urbaines de plus de 200 000 emplois en 2006, c’est-à-dire celles indiquées dans le ta-bleau 1 de Lyon à Toulon.

26

apparait que l’Ile-de-France enregistre une croissance annuelle moyenne du rapport PIB en valeur/emploi un peu au-dessus de celle en moyenne des départements où sont situés les 15 grandes aires urbaines entre 2000 et 2013, toujours en neutralisant 2008 : 3,3 % contre 3,1 % entre 2000 et 2007, 1,9 % contre 1,4 % entre 2008 et 2013.

Même si les chiffres de valeur ajoutée et de PIB livrés par l’Insee, Eurostat et d’autant plus par l’OCDE doivent être interprétés avec beaucoup de précaution, il semble en tout cas pouvoir être affirmé que depuis 2000 la croissance de la productivité apparente du travail (PIB/E), donc celle du PIB par rapport à celle de l’emploi, a été plus forte à Paris que dans les grandes aires urbaines.

Il peut être montré que les gains plus élevés de productivité réalisés en région parisienne sont largement dus à un effet de composition sectorielle, notamment au poids important dans le PIB des secteurs où les fonctions métropolitaines sont prédominantes, les services supérieurs en particulier (information-communication, activités financières, activités scientifiques et tech-niques et services de soutien aux entreprises), dont la croissance a été plus soutenue qu’ailleurs : les services supérieurs en Ile-de-France représentaient 45,4 % de la valeur ajoutée française en 2000, ils en représentent près de la moitié (49,5 %) en 2012. En correspondance, 39,5 % de l’emploi salarié français dans les services supérieurs était localisé en Ile-de-France en 2000, seulement 37,8 % en 2012. On peut ajouter qu’une partie du différentiel de productivité (et de rémunération salariale) concernant ces activités de services supérieurs est due à l’importante localisation en région parisienne de sièges sociaux ou d’administrations d’entreprises, et notamment étrangères. Au sein des groupes étrangers, les fonctions métro-politaines représentent 60 % de l’emploi salarié (particulièrement dans la fonction gestion) alors que les fonctions productives ne représentent que 6 % dans les entreprises franciliennes dépendantes de groupes étrangers37.

Economies d’agglomération et productivité des fonctions métropolitaines

Constater un différentiel de productivité entre la région parisienne, la Province et même les autres grandes aires urbaines mène à la question, récurrente, du rôle des économies d’agglomération et de manière sous-jacente des mécanismes de localisation des fonctions métropolitaines.

Si l’on interprète d’une certaine manière en dynamique les conclusions de l’étude de Combes et al. (2012), les gains plus élevés de productivité en région parisienne par rapport aux autres aires urbaines seraient plus liés à la localisation et au développement de firmes plus produc-tives, pouvant bénéficier d’économies d’agglomération, qu’à la disparition des firmes les moins productives dont la « sélection » est de même nature quelle que soit la taille des aires ur-baines. De manière générale, les économies d’agglomération dont bénéficient en Ile-de-France les activités à fort potentiel de productivité et d’innovation reposent notamment sur la pré-sence d’une plus grande variété de métiers, avec des spécialisations très pointues, où le traite-ment de l’information est central et dont la productivité est basée sur la capacité de mobiliser et d’articuler connaissances formelles et connaissances tacites. Pour le dire autrement, en sui-vant la théorie smithienne « O-Ring » énoncée par Kremer (1993), la localisation prononcée d’activités basées sur des fonctions métropolitaines en région parisienne mène à une demande croissante en nouveaux emplois qualifiés : la concentration de fonctions à haute valeur ajoutée exerce un effet de polarisation et d’attraction de nouvelles compétences connexes, associé à une hausse des revenus. La plus grande division fonctionnelle du travail qualifié au sein de la région parisienne et permise par sa taille procure des effets d’entraînement d’activités com-plémentaires et la diffusion d’informations et d’idées.

37

Le Roux et al. (2013).

27

De ce point de vue, pour beaucoup de fonctions décisionnelles, stratégiques et de prestations intellectuelles, la localisation en région parisienne paraît incontournable. Il est reconnu aussi que de nombreuses activités cognitives, d’expertise, de recherche-développement, de start-up et autres, se situent, dans la phase d’analyse, de conception, de mise au point de proto-type, en région parisienne pour bénéficier des externalités de connaissance générées par les possibilités de coopérations avec d’autres firmes ou entrepreneurs. La région parisienne agit en quelque sorte pour ces activités comme une pépinière à ce niveau (une « nursery city » selon l’expression de Duranton et Puga, 2001).

Mais les économies d’agglomération liées à la diversité des fonctions métropolitaines qui ca-ractérisent la région parisienne et sa plus forte productivité n’empêchent pas le développement et la diffusion relative de l’emploi dans les fonctions métropolitaines dans les grandes aires urbaines. Si la localisation en région parisienne peut jouer un rôle clé au départ pour certaines activités, leur développement aux stades ultérieurs du cycle de vie du produit peut être avan-tagé par une localisation dans des aires urbaines spécialisées dans des segments productifs ou métropolitains et où, en rapport du niveau de productivité, les coûts de congestion sont moindres38. Il en va en particulier de l’emploi dans les fonctions de conception-recherche et de commerce inter-entreprise dont la croissance a plus particulièrement bénéficié aux grandes aires urbaines au détriment relatif de Paris entre 1999 et 201339.

Conclusion

Il est reconnu dans la littérature économique que, aussi bien aux Etats-Unis qu’en Europe, les croissances économiques les plus fortes s’observent dans les plus grandes aires urbaines. Ce mouvement de métropolisation initié dans les années 1980 s’est amplifié dans les années 2000.

La raison principale invoquée, dans la lignée des théories de la croissance endogène et des modèles de la nouvelle économie géographique : le capital humain est plus localisé dans les grandes aires urbaines et cette concentration se renforce. Une augmentation du capital hu-main tend à favoriser la productivité, qui apparaît comme le facteur essentiel de la croissance économique.

En France, si on met à part le cas spécifique de l’agglomération parisienne, l’emploi dans les aires urbaines supérieures à 200 000 emplois progresse en moyenne plus vite que dans les aires urbaines de second rang comprises entre 50 000 et 200 000 emplois depuis 1999.

A partir de statistiques établies par l’Insee, nous avons considéré dans les aires urbaines trois grands types d’emploi : l’emploi dans les fonctions métropolitaines (source de productivité), les fonctions productives (dans des activités largement exportatrices) et les fonctions présen-tielles (dans des activités liées à la demande locale). A partir de la spécification des grands mé-canismes constitutifs de la croissance régionale combinant dynamiques d’offre et de demande

38

Différentes études ont pu montrer que les prix en région parisienne sont plus élevés que ceux observés dans les autres régions, en premier les coûts du foncier et relatifs au logement (Clé et al., 2016). 39

Particulièrement à Toulouse ou Lyon concernant la conception-recherche. Ainsi, si l’Ile-de-France représentait 50,3 % des dépenses intérieures de recherche-développement des entreprises en France en 1999, sa part est pas-sée à 41,6 % en 2013 ; à l’inverse Midi-Pyrénées est passé de 4,6 % à 9,4 % et Rhône-Alpes de 10,8 % à 12,2 % (voir site Repères : http://www.enseignementsup-recherche.gouv.fr/reperes/). Les dépenses intérieures de recherche-développement en général représentent désormais 4,8 % du PIB de Midi-Pyrénées contre 3 % en Ile-de-France et 2,7 % en Rhône-Alpes (Testas, 2015). Catin et Hendrickx (2003) et Catin (2004) ont montré, concernant la localisa-tion des activités de recherche-développement, une évolution initiée dans les années 1990 de type « décroissance relative - diversification » (vers des activités de tous niveaux technologiques) en Ile-de-France opposée à celle de type « croissance - spécialisation » (vers des activités intensives en technologie) qui caractérisent les régions de second rang que sont Rhône-Alpes ou Midi-Pyrénées.

http://www.enseignementsup-recherche.gouv.fr/reperes/

28

donnée dans Catin (1995a) et de l’approche de la base économique revisitée par Davezies (2008), nous avons considéré que l’évolution de l’emploi dans les aires urbaines peut être at-tribuée à trois grands blocs moteurs : les fonctions métropolitaines, les activités productives et les revenus extérieurs.

L’évolution de l’emploi dans les fonctions métropolitaines a évidemment un effet direct sur la croissance de l’emploi, mais a également un effet indirect par l’intermédiaire d’effets multipli-cateurs – à travers les revenus distribués en salaires et profits à partir des gains de productivité réalisés – sur l’emploi dans les fonctions présentielles. Les cadres des fonctions métropoli-taines forment le capital humain particulier qui peut être à l’origine de meilleures perfor-mances productives, de la diffusion d’externalités de connaissance et d’innovations.

L’évolution de l’emploi dans les activités productives, notamment dans les fonctions de fabri-cation et de transport largement exportatrices pour l’aire urbaine, outre un effet direct, agit également par ses effets multiplicateurs sur l’emploi dans les fonctions présentielles.

L’évolution des revenus extérieurs reçus dans l’aire urbaine (tourisme, prestations sociales, retraites, emplois publics...) occasionne aussi des dépenses locales et des effets multiplicateurs sur l’emploi dans les fonctions présentielles.

De là, le modèle que nous avons conçu permet d’estimer pour chaque aire urbaine ces trois sources de l’évolution de l’emploi dans la période 1999-2013.

Des résultats obtenus, il apparaît nettement que le développement de l’emploi dans les fonc-tions métropolitaines paraît le moteur le plus puissant de la croissance de l’emploi total et qu’il explique largement le différentiel de croissance entre aires urbaines, et notamment en faveur des grandes aires urbaines par rapport aux autres.

L’évolution à la baisse de l’emploi dans les fonctions productives entre 1999 et 2013, et parti-culièrement entre 2006 et 2013, produit un effet négatif sur l’emploi, contribution négative assez limitée pour les aires urbaines supérieures à 200 000 emplois mais plus importante pour les aires urbaines entre 50 000 et 200 000 emplois. Si l’on ne considère pas l’effet des fonc-tions productives, la contribution des fonctions métropolitaines à la croissance de l’emploi dans les grandes aires urbaines a été en moyenne de 71 % et celle des revenus extérieurs de 29 %. A la différence, la contribution moyenne à la croissance de l’emploi est plus due aux re-venus extérieurs (55 %) qu’à la contribution des fonctions métropolitaines (45 %) dans les aires urbaines de second rang.

Le modèle permet de vérifier aussi que au sein des grandes aires urbaines, les plus fortes crois-sances de l’emploi observées entre 1999 et 2013 à Toulouse, Montpellier, Nantes et Rennes reposent sur la forte augmentation de l’emploi dans les fonctions métropolitaines et à leurs effets. De manière générale aussi, il apparaît que les activités productives ont mieux résisté en termes d’emploi depuis 2006 dans les grandes aires urbaines où la dynamique des fonctions métropolitaines a été importante.

Pour schématiser, il existe un certain clivage en termes de structure et d’intensité de la crois-sance de l’emploi entre les grandes aires urbaines et celles de moins de 200 000 emplois. Ceci étant, dans chaque catégorie d’aire urbaine, il existe des dynamiques spécifiques qui font qu’il n’y a pas de relation apparente entre la taille de l’aire urbaine et sa croissance, aussi bien pour les emplois dans les fonctions métropolitaines que pour l’emploi total. Le cas parisien en est l’illustration extrême et montre un phénomène de métropolisation à facettes multiples.

La région parisienne concentre plus de 30 % du PIB national, 23 % de l’emploi, 44 % des cadres des fonctions métropolitaines, pratiquement la moitié de la valeur ajoutée dans les services supérieurs. Or, l’emploi total et l’emploi dans les fonctions métropolitaines ont de manière générale relativement moins augmenté à Paris que dans les grandes aires urbaines dans les

29

années 1990 et encore moins depuis 2000. Caractériser la dynamique de l’économie pari-sienne à travers la croissance de l’emploi et la figurer comme un paradoxe de la métropolisa-tion est toutefois trompeur si l’on n’envisage pas en parallèle l’évolution du PIB et sa structure.

Le PIB a nettement plus augmenté que l’emploi et l’économie francilienne a particulièrement orienté la spécialisation de son tissu économique vers des activités stratégiques, décisionnelles et de prestations de services à fort contenu en fonctions métropolitaines, et en se délestant fortement des fonctions productives. En bref, la croissance du PIB en région parisienne est tirée par des gains de productivité plus élevés qu’ailleurs, largement liés à la concentration et à la diversité des fonctions métropolitaines, également plus élevées qu’ailleurs.

En parallèle, les grandes aires urbaines ont connu une forte progression des emplois dans les fonctions métropolitaines, notamment de conception-recherche et de commerce inter-entreprises, en rapport avec leurs spécialisations productives et leurs avantages compétitifs, d’autant que leur développement est moins affecté par les coûts de congestion que connaît la région parisienne.

Ainsi on peut dire, sans l’évoquer plus ici, que le processus de métropolisation à bi-face cons-taté en France suit en cela les étapes de développement régional et la localisation des activités selon le cycle de vie des produits qui ont pu être définies dans la littérature40.

En fin de compte, la diffusion relative des emplois de la région centrale qu’est Paris en termes de production et de productivité vers d’autres territoires épouse de multiples canaux : par les fonctions métropolitaines qui progressent moins vite, par les fonctions productives qui ont plus fortement baissé, et même par les fonctions présentielles affectées par le transfert d’une partie du revenu des ménages, composés d’une population plus jeune et à fort capital humain attirée par la région parisienne, vers une population plus âgée et retraitée résidant dans des territoires qui bénéficient de ces revenus extérieurs.

Références

Abel J.R., Dey I., Gabe T.M., 2012, "Productivity and the density of human capital", Journal of Regional Science, 52, 4.

AdCF, Groupe Caisse des Dépôts, 2016, Le profil de développement des agglomérations et métropoles françaises.

Andersson M., Klaesson J., Larsson J.P., 2014, "The sources of the urban wage premium by worker skills: Spatial sorting or agglomeration economies?", Papers in Regional Science, 93, 4.

Antonietti R., 2013, "From creativeness to innovativeness: a firm-level investigation", Marco Fanno Working Paper 159.

Antonietti R., Cainelli G., Lupi C., 2013, "Vertical disintegration and spatial co-localization: The case of KIBS in the metropolitan region of Milan", Economics Letters, 118.

Askenazy P., Martin P., 2015, "Promouvoir l’égalité des chances à travers le territoire", Les notes du Conseil d’Analyse Economique, 20.

Backman M., 2014, “Human capital in firms and regions: Impact on firm productivity”, Papers in Region-al Science, 93, 3.

Berger T., Frey C.B., 2016, "Did the computer revolution shift the fortunes of U.S. cities? Technology shocks and the geography of new jobs", Regional Science and Urban Economics, 57.

40

Voir Catin (1995a) et sur les étapes retenues par l’evolutionary agglomeration theory, et l’evolutionary economic geography en général, voir Boschma et Frenken (2011), Potter et Watts (2011) et Desmarchelier, Djellal et Gallouj (2016).

30

Berry C., Glaeser E., 2005, "The Divergence of Human Capital Levels across Cities", Papers in Regional Science, 84, 3.

Boschma R., Frenken J., 2011, "The emerging empirics of evolutionary economic geography", Journal of Economic Geography, 11.

Bouba-Olga O., Grossetti M., 2015, « La métropolisation, horizon indépassable de la croissance écono-mique ? », Revue de l’OFCE, 143.

Calvier C., Pichard L., 2015, « L’Ile-de-France, capitale des étudiants et des diplômés du supérieur », Insee Analyses Ile-de-France, 19.

Catin M., 1992, « La modélisation régionale », dans Derycke P.H. (dir.), Espace et dynamiques territo-riales, Economica, Bibliothèque de Science Régionale, Paris.

Catin M., 1995a, « Les mécanismes et les étapes de la croissance régionale », Région et Développement, 1.

Catin M., 1995b, « Productivité, économies d’agglomération et métropolisation », Revue d’Economie Régionale et Urbaine, 4.

Catin M., 1997, « Disparités spatiales de productivité, accumulation du capital et économies d’agglomération », Revue Economique, 48, 3.

Catin M., Ghio S., 1999, « Concentration parisienne et dynamique des régions françaises », dans A. Bail-ly, J-M. Huriot (dir.), Villes et croissance, Anthropos-Economica, Paris.

Catin M., Hendrickx C., 2003, « Concentration et spécialisation régionales de activités de R&D en France », Economies et sociétés, 4, série W, 7.

Catin M., Van Huffel C., 2003, « Inégalités régionales et développement économique : le cas français (1850-2000) », Revue d’Economie Régionale et Urbaine, 5.

Catin M., 2004, « Localisation des activités de R&D et développement technologique des régions », Ca-hiers lillois d’économie et de sociologie, 43-44.

Catin M., Nicolini V, 2005, « Les effets multiplicateurs des dépenses militaires de la DCN Toulon sur l’économie varoise », Revue d’Economie Régionale et Urbaine, 4.

Catin M., Van Huffel C., 2013, "La croissance de l’agglomération toulonnaise et des grandes aires ur-baines françaises : le rôle majeur de l’emploi dans les fonctions métropolitaines", Rapport final, Pro-gramme de recherche POPSU (plateforme d'observation des projets et stratégies urbaines) pour le PUCA du ministère de l'Egalité des territoires et du Logement, et la Communauté d'agglomération "Toulon-Provence-Méditerranée".

Catin M., Van Huffel C., 2015, « Les fonctions métropolitaines, catalyseur d’emplois au sein des grandes aires urbaines », dans Campagnac-Ascher E., Economie de la connaissance, une dynamique métropo-litaine ?, Editions Le Moniteur.

Clé E., Sauvadet L., Jaluzot L., Malaval F., Rateau G., 2016, « En 2015, les prix en région parisienne dé-passent de 9 % ceux de la province », Insee Première, 1590.

Combes P.P., Duranton G., Gobillon L., 2012, "The costs of agglomeration: land prices in French cities", IZA Discussion Papers, 7027.

Combes P.P., Duranton G., Gobillon L., Puga D., Roux S., 2012, "The productivity advantage of large cit-ies: Distinguishing agglomeration from firm selection", Econometrica, 80, 6.

Davezies L., 2008, « La République et ses territoires », Seuil.

Davezies L., Estèbe P., 2014, « Les nouveaux territoires de la croissance : vers un retournement histo-rique de la géographie économique ? », Rapport d’étude pour l’Institut Caisse des Dépôts pour la Re-cherche et le PUCA.

Davezies L., T. Pech, 2014, « La nouvelle question territoriale », Note de Terra Nova, 1/30.

Desmarchelier B., Djellal F., Gallouj F., 2016, "KIBS and the dynamics of industrial clusters, A Complex Adaptative System approach", dans J. Ferreira, M. Raposo, C. Fernandes, M. Dejardin (ed.), Knowledge intensive business services and regional competitiveness, Routledge.

Di Giacinto V., Gomellini M., Micucci G., Pagnini M., 2014, "Mapping local productivity advantages in Italy: industrial disctricts, cities or both ?", Journal of Economic Geography, 14, 2.

Duranton G., Puga D., 2014, "The growth of cities", in Aghion P., Durlauf S.N. (eds), Handbook of eco-nomic growth, volume 2B, Amsterdam, North-Holland.

31

Feirrera J.J.M., Raposo M.L., Fernandes C.I., Dejardin M. (eds), 2016, Knowledge intensive business ser-vices and regional competitiveness, Routledge.

Feser E.J., 2003, "What regions do rather than make : a proposed set of knowledge based occupation clusters", Urban Studies, 40, 10.

Florida R., 2002a, « The economic geography of talent », Annals of Association of American Geogra-phers, 92, 4.

Florida R., 2002b, The rise of the creative class, Basic Books, New-York.

Florida R., 2005, Cities and the creative class, Routledge, New-York, Londres.

Florida R., Mellander C., 2016, "Rise of the startup city: The changing geography of the venture capital financed innovation", California Management Review, 59, 1.

Glaeser E. L., 1999, "Learning in cities", Journal of Urban Economics, 46, 2.

Glaeser E. L., Resseger M. G., 2010, "The complementarity between cities and skills", Journal of Regional Science, 50.

Glaeser E. L., Saiz A., 2004, "The rise of the skilled city", Brookings-Wharton Papers on Urban Affairs, 5,0.

Huber F., 2012, "Do clusters really matter for innovation practices in information technology? Question-ing the significance of technological knowledge spillovers", Journal of Economic Geography, 12.

Insee, 2009, Analyse fonctionnelle des emplois et cadres des fonctions métropolitaines.

Julien P., 1994, « Les fonctions stratégiques dans 50 villes de France », INSEE Première, n° 300.

Julien P., 2002, « Onze fonctions pour qualifier les grandes villes », INSEE Première, n° 840.

Julien P., Pumain D., 1996, « Fonctions stratégiques et image des villes », Economie et Statistique, 294-295.

Klaesson J., Johansson B., Karlsson C. (eds), 2013, Metropolitan regions: Knowledge infrastructures of the global economy, Heidelberg, Germany and New York: Springer.

Kok S., 2014, "Town and city jobs : How your job is different in another location", Regional Science and Urban Economics, 49.

Krätke S., 2007, "Metropolisation of the European economic territory as a consequence of increasing specialisation of urban agglomerations in the knowledge economy", European Planning Studies, 15.

Kremer M., 1993, "The O-Ring Theory of Economic Development", Quarterly Journal of Economics, 108.

Lafuente E., Vaillant Y., Vendrell-Herrero F., 2016, "Territorial Servitization: Exploring the virtuous circle connecting knowledge-intensive services and new manufacturing businesses", Interna-tional Journal of Production Economics, in press.

Lainé F., 2017, « Dynamique de l’emploi et des métiers : quelle fracture territoriale ? », Note d’Analyse n° 53, France Stratégie.

Le Roux P., Omont L., Le Priol M., Belmanaa F., 2013, « Un emploi francilien sur six dépend d’un groupe étranger », Ile-de-France à la page, n° 412.

Leveque L., Maurel L., Senelet M. 2004, « L’offre métropolitaine française vue par les emplois métropoli-tains supérieurs », FNAU/DATAR.

Meliciani V., Savona M., 2015, "The determinants of regional specialisation in business services: agglom-eration economies, vertical linkages and innovation", Journal of Economic Geography, 15.

Moretti E., 2004, "Workers’ education, spillovers and productivity: Evidence from plant-level production functions", American Economic Review, 94.

Moretti E., 2012, The new geography of jobs, Houghton Mifflin Harcourt.

Muller E., Zenker A., 2001, "Business services as actors of knowledge transformation: the role of KIBS in regional innovation systems", Research policy, 30, 9.

Musterd S., Murie A. (eds), 2010, Making competitive cities, Oxford: Wiley-Blackwell.

Observatoire des territoires, 2016, Emploi et territoires.

OECD, 2013, OECD Regions at a Glance 2013, OECD Publishing.

Peters J.C., 2016, "Quantifying the effect of labor market size on learning externalities", 56th ERSA Con-gress, Vienna, Austria.

32

Pina K., Tether B.S., 2016, "Towards understanding variety in knowledge intensive business services by distinguishing their knowledge bases", Research Policy, 45.

Potters A., Watts H., 2011, "Evolutionary agglomeration theory: increasing returns, diminishing returns, and the industry life cycle", Journal of Economic Geography, 11.

Poupard G., 2015, « Développement local et emploi productif : un monopole des métropoles ? », Popu-lation & Avenir, 725.

Poupard G., Baude J., 2014, Les territoires inégaux face à la désindustrialisation, Population & Avenir, 5.

Puga D., 2017, "The changing distribution of firms and workers across cities", Centro Studi Luca d’Agliano Development Studies Working Papers, N° 418.

Rubalcaba L., Gallego J., Gallo M.T., Garrido R., 2013, "Business services location and market factors in major European cities", Cities, 31.

Saito H., Wu J., "Agglomeration, congestion, and U.S. regional disparities in employment growth", Jour-nal of Regional Science, 56, 1.

Testas A., 2015, « Les dépenses de R&D dans les régions françaises en 2012 », Note d’information, 15.07, Enseignement supérieur et Recherche.

Titze M., Brachert M., Kubis A., "Actors and interactions - Identifying the role of industrial clusters for regional production and knowledge generation activities", Growth and Change, 45, 2.

Van Puymbroeck C., Reynard R., 2010, « Répartition géographique des emplois – Les grandes villes con-centrent les fonctions intellectuelles, de gestion et de décision », INSEE Première, n° 1278.

Zhang C., 2016, "Agglomeration of knowledge intensive business services and urban productivity", Papers in Regional Science, 95, 4.

Annexe 1. Population, taux d’emploi et part de l’emploi agricole pour les aires urbaines des 22 métropoles en 2012

Population TCAM (%) 2007-2012

Emploi Emploi

Population

Emploi agri.

Population (%)

Paris 12 341 418 0.5 5788890 0.47 0.3

Lyon 2 214 068 1.1 987692 0.45 1.0

Marseille - Aix-en-Provence 1 727 070 0.2 686208 0.40 0.6

Toulouse 1 270 760 1.4 576547 0.45 1.0

Lille 1 166 452 0.3 513545 0.44 0.6

Bordeaux 1 158 431 1.1 506689 0.44 2.1

Nantes 897 713 1.1 407178 0.45 1.8

Nice 1 004 914 0.0 393828 0.39 0.6

Strasbourg 768 868 0.4 340510 0.44 1.1

Rennes 690 467 1.4 311968 0.45 2.4

Grenoble 679 863 0.5 299886 0.44 0.8

Rouen 658 285 0.4 266109 0.40 1.2

Montpellier 569 956 1.3 240501 0.42 1.1

Toulon 611 237 0.3 216084 0.35 1.4

Tours 483 743 0.5 202785 0.42 1.7

Clermont-Ferrand 469 922 0.5 201839 0.43 1.5

Saint-Étienne 512 830 0.2 195586 0.38 1.3

Orléans 423 123 0.5 184811 0.44 1.5

Nancy 434 479 0.1 181880 0.42 1.1

Dijon 377 590 0.4 167728 0.44 1.7

Metz 389 700 0.0 164987 0.42 0.8

Brest 314 844 0.3 131001 0.42 2.9

33

Annexe 2. Tableau 6. Coefficients de spécialisation des aires urbaines en 2013

Libellé géographique de l'aire urbaine EFM CIE CR CL G PI CFM CIE CR CL G PI EFP AP D EF SAS SP BTP ER EAP F TL

Paris 1.48 1.37 1.71 1.74 1.37 1.65 1.98 2.00 1.99 2.05 1.91 2.05 0.88 1.01 0.85 0.94 0.83 0.99 0.70 0.75 0.80 0.64 0.96

Lyon 1.25 1.44 1.50 0.94 1.17 1.33 1.32 1.64 1.50 0.94 1.23 1.34 0.90 0.82 0.90 0.95 0.94 0.90 0.88 0.92 1.05 1.02 1.09

Marseille - Aix-en-Provence 1.09 1.02 1.08 1.01 1.10 1.16 1.07 0.94 1.09 1.00 1.05 1.18 1.03 1.16 0.97 1.05 1.14 0.96 0.90 1.01 0.88 0.76 1.01

Toulouse 1.25 1.18 2.58 1.00 0.98 1.47 1.53 1.27 2.91 1.06 1.03 1.52 0.94 0.96 0.87 1.02 1.03 0.88 0.90 0.92 0.91 0.94 0.87

Lille (partie française) 1.19 1.20 1.05 0.95 1.26 1.17 1.16 1.37 1.15 0.82 1.23 1.07 0.97 1.08 0.99 1.09 1.08 0.87 0.78 0.89 0.94 0.82 1.06

Bordeaux 1.09 1.19 1.15 0.91 1.06 1.14 1.05 1.09 1.19 0.91 0.98 1.11 1.01 1.05 1.01 0.97 1.07 0.99 1.02 0.94 0.86 0.75 0.98

Nantes 1.23 1.39 1.37 0.97 1.17 1.32 1.18 1.32 1.45 0.90 1.10 1.16 0.93 0.89 0.94 0.99 0.95 0.89 0.93 0.93 0.94 0.90 0.99

Nice 1.06 0.98 1.28 1.12 1.01 1.10 1.05 0.76 1.44 0.98 0.89 1.20 1.10 1.02 1.17 0.93 1.02 1.34 1.09 0.99 0.71 0.59 0.84

Strasbourg (partie française) 1.11 1.22 1.18 0.91 1.10 1.11 1.05 1.15 1.20 0.90 1.00 1.02 0.96 0.98 0.98 0.97 1.02 0.95 0.86 0.98 1.04 1.02 1.06

Rennes 1.11 1.15 1.36 0.97 1.02 1.26 1.13 1.09 1.41 0.98 0.97 1.28 0.95 1.04 0.90 1.06 0.96 0.86 0.94 0.96 1.00 0.95 1.05

Grenoble 1.23 1.06 2.68 0.94 0.99 1.34 1.46 1.32 2.91 0.86 0.99 1.34 0.96 1.07 0.84 1.07 1.04 0.83 0.91 0.98 0.90 1.07 0.72

Rouen 0.93 0.94 0.64 0.72 1.05 0.85 0.72 0.71 0.47 0.71 0.88 0.64 1.04 1.04 1.02 1.07 1.07 0.94 1.08 1.14 1.06 0.99 1.12

Montpellier 1.19 1.08 1.60 1.35 1.05 1.37 1.26 0.94 1.74 1.38 1.02 1.40 1.05 1.17 0.98 1.14 1.24 0.98 0.98 0.81 0.64 0.52 0.77

Toulon 0.82 0.79 0.60 0.92 0.86 0.83 0.63 0.50 0.46 0.76 0.65 0.78 1.23 1.76 1.16 0.95 1.23 1.17 1.06 1.06 0.60 0.51 0.70

Tours 0.97 1.03 1.01 0.91 0.98 0.87 0.81 0.79 0.91 0.91 0.80 0.69 1.03 0.95 1.04 1.07 1.07 1.00 1.06 1.04 1.02 1.00 1.03

Clermont-Ferrand 0.99 0.92 1.35 0.79 0.96 1.01 0.91 0.78 1.29 0.76 0.83 0.82 1.04 1.09 0.98 1.08 1.10 0.95 1.01 1.06 0.97 0.94 1.01

Avignon 0.86 1.07 0.39 0.88 0.92 0.76 0.66 0.77 0.28 0.84 0.74 0.70 1.05 1.00 1.20 0.99 0.97 1.06 1.16 0.99 0.98 0.72 1.25

Saint-Étienne 0.88 1.00 0.65 0.74 0.96 0.75 0.69 0.80 0.53 0.64 0.77 0.64 1.01 0.84 1.00 1.05 1.22 0.89 1.03 1.11 1.23 1.38 1.06

Orléans 1.05 1.01 1.15 0.71 1.15 0.86 0.93 0.93 1.11 0.70 1.04 0.68 0.95 1.20 0.90 1.00 0.87 0.82 0.93 0.99 1.15 1.01 1.31

Nancy 0.96 1.03 0.95 0.80 1.00 0.89 0.83 0.73 0.92 0.78 0.88 0.74 1.08 1.31 0.97 1.16 1.34 0.86 0.85 1.06 0.87 0.75 1.01

Douai - Lens 0.69 0.68 0.41 0.45 0.82 0.61 0.46 0.51 0.31 0.35 0.58 0.38 1.09 0.96 1.13 1.23 1.11 1.01 1.17 1.15 1.30 1.15 1.47

Caen 0.93 0.93 0.77 0.88 0.98 0.87 0.72 0.56 0.70 0.87 0.76 0.68 1.07 1.07 1.12 1.17 1.09 0.99 1.05 1.02 0.96 0.87 1.06

Angers 0.95 0.97 0.75 0.80 1.01 0.96 0.74 0.75 0.57 0.71 0.84 0.74 1.02 0.96 0.97 1.16 1.19 0.90 0.96 1.06 0.94 0.97 0.92

Dijon 0.96 1.05 0.91 0.76 1.01 0.88 0.81 0.92 0.74 0.70 0.93 0.65 1.03 1.17 0.95 1.05 1.07 0.89 1.05 1.09 1.00 0.93 1.08

Metz 0.90 0.94 0.61 0.78 0.99 0.84 0.71 0.72 0.50 0.72 0.86 0.63 1.08 1.38 1.10 1.00 1.00 0.94 0.98 1.09 1.02 0.99 1.04

Le Mans 0.95 0.94 0.71 0.67 1.09 0.79 0.69 0.64 0.57 0.54 0.86 0.56 1.02 0.92 1.08 1.09 1.02 0.99 1.05 1.04 1.07 1.04 1.10

Reims 0.95 1.07 0.55 0.80 1.06 0.83 0.74 0.88 0.42 0.74 0.91 0.67 1.01 0.83 1.08 1.09 1.12 0.94 0.97 1.12 0.97 0.92 1.01

Brest 0.86 0.73 1.33 0.73 0.83 0.84 0.81 0.55 1.23 0.67 0.77 0.69 1.14 1.53 0.97 1.06 1.24 0.95 1.03 1.16 0.72 0.69 0.75

Valenciennes (partie française) 0.68 0.74 0.62 0.43 0.75 0.55 0.47 0.62 0.45 0.34 0.51 0.40 1.06 0.92 1.06 1.30 1.14 0.96 0.94 1.24 1.41 1.73 1.06

Amiens 0.81 0.76 0.57 0.71 0.92 0.72 0.62 0.51 0.46 0.60 0.77 0.56 1.07 1.29 1.05 1.21 1.18 0.86 0.89 1.07 1.09 1.01 1.17

Le Havre 0.84 0.92 0.76 0.54 0.91 0.73 0.63 0.85 0.49 0.47 0.75 0.48 0.99 0.85 0.97 1.05 0.96 0.96 1.01 1.20 1.40 1.20 1.61

Bayonne (partie française) 0.85 0.99 0.47 1.16 0.86 0.79 0.65 0.59 0.35 0.97 0.66 0.78 1.12 0.81 1.24 0.90 1.26 1.24 1.21 1.08 0.90 0.91 0.89

Limoges 0.84 0.87 0.54 0.75 0.92 0.80 0.61 0.56 0.44 0.71 0.74 0.51 1.10 1.25 1.01 1.09 1.33 0.97 1.00 0.98 0.97 0.94 1.00

Poitiers 0.89 0.86 0.73 0.89 0.95 0.81 0.69 0.46 0.61 0.95 0.74 0.66 1.13 1.42 1.08 1.21 1.26 0.91 1.02 1.00 0.78 0.74 0.83

Mulhouse 0.91 1.08 0.69 0.60 0.99 0.81 0.67 0.91 0.51 0.47 0.76 0.61 1.02 0.75 1.15 1.05 1.11 0.95 0.96 1.22 1.21 1.30 1.13

34

Libellé géographique de l'aire urbaine EFM CIE CR CL G PI CFM CIE CR CL G PI EFP AP D EF SAS SP BTP ER EAP F TL

Perpignan 0.83 0.89 0.25 0.84 0.95 0.76 0.57 0.52 0.18 0.87 0.66 0.67 1.15 1.13 1.23 1.11 1.18 1.13 1.28 1.01 0.75 0.51 1.01

Besançon 0.88 0.95 0.78 0.89 0.89 0.80 0.72 0.71 0.64 0.84 0.78 0.64 1.08 1.33 0.95 1.20 1.32 0.81 0.84 1.06 1.02 1.08 0.95

Béthune 0.62 0.69 0.53 0.41 0.69 0.55 0.42 0.53 0.32 0.35 0.50 0.36 1.08 0.93 1.07 1.21 0.97 1.06 1.16 1.26 1.39 1.61 1.16

Pau 0.99 0.98 1.30 0.84 0.96 0.99 0.91 0.72 1.32 0.76 0.85 0.82 1.06 1.14 1.08 1.05 1.13 0.97 1.04 1.01 0.81 0.91 0.71

Annecy 1.12 1.25 0.99 1.01 1.10 1.20 0.99 1.17 0.87 0.79 0.99 1.13 0.99 0.95 1.17 0.90 1.02 0.90 1.07 0.94 0.95 1.08 0.81

Nîmes 0.89 0.87 0.38 0.82 1.00 0.95 0.68 0.67 0.35 0.82 0.67 0.94 1.16 1.42 1.08 1.19 1.26 1.01 1.10 1.03 0.70 0.49 0.92

Dunkerque 0.73 0.70 0.64 0.57 0.80 0.66 0.48 0.50 0.43 0.46 0.57 0.36 1.02 1.03 0.87 1.08 0.92 0.95 1.03 1.32 1.42 1.73 1.09

Chambéry 0.99 1.03 0.82 0.89 1.00 1.08 0.84 0.84 0.69 0.77 0.85 1.03 1.05 1.08 1.03 1.07 1.14 0.91 1.17 1.01 0.93 0.88 0.98

Saint-Nazaire 0.77 0.86 0.65 0.78 0.76 0.78 0.56 0.75 0.34 0.66 0.58 0.60 1.03 0.69 1.15 0.88 0.97 1.12 1.24 1.18 1.33 1.71 0.93

La Rochelle 0.88 1.02 0.65 0.90 0.88 0.92 0.69 0.67 0.47 0.74 0.72 0.82 1.10 1.14 1.21 1.02 1.06 1.06 1.19 1.03 0.90 0.96 0.82

Lorient 0.78 0.88 0.74 0.78 0.76 0.76 0.61 0.65 0.47 0.72 0.60 0.67 1.10 1.12 1.15 0.99 1.17 1.00 1.17 1.13 1.05 1.18 0.91

Valence 1.04 1.23 0.94 0.83 1.05 0.98 0.85 0.93 0.84 0.78 0.92 0.72 0.98 1.03 1.09 0.90 1.04 0.88 0.94 0.98 1.04 0.98 1.10

Genève (SUI) - Annemasse (partie française) 0.83 0.79 0.60 1.09 0.83 0.84 0.68 0.60 0.49 0.83 0.68 0.83 1.18 0.76 1.55 1.13 1.13 1.36 1.16 1.13 0.74 0.75 0.72

Angoulême 0.82 0.83 0.65 1.00 0.88 0.62 0.60 0.51 0.42 1.02 0.66 0.48 1.05 1.25 1.05 1.02 1.04 0.92 1.06 1.03 1.12 1.26 0.98

Troyes 0.88 0.98 0.42 0.66 1.03 0.71 0.59 0.62 0.28 0.54 0.76 0.57 1.03 0.88 1.22 1.13 0.99 0.95 1.13 1.06 1.11 1.16 1.06

Saint-Brieuc 0.86 0.83 0.40 0.73 1.01 0.79 0.59 0.50 0.25 0.67 0.76 0.61 1.08 1.05 1.19 1.00 1.16 0.91 1.27 1.04 0.90 0.89 0.92

Niort 1.32 0.82 1.16 0.64 1.75 0.89 1.22 0.69 1.31 0.57 1.73 0.76 0.89 0.83 0.93 0.79 0.95 0.85 0.92 0.96 0.85 0.81 0.90

Vannes 0.90 1.05 0.48 0.79 0.98 0.88 0.71 0.68 0.46 0.73 0.83 0.73 1.11 1.17 1.20 0.99 1.23 0.97 1.17 1.01 0.81 0.79 0.83

Montbéliard 0.82 0.70 2.00 0.51 0.66 0.84 0.76 0.72 1.49 0.40 0.56 0.64 0.88 0.65 0.91 0.93 0.89 0.82 0.87 1.20 1.76 2.44 1.04

Bourges 0.89 0.87 0.70 0.62 1.02 0.79 0.62 0.52 0.54 0.57 0.74 0.54 1.03 1.24 1.04 0.95 0.98 0.96 0.93 1.07 1.10 1.08 1.12

Chartres 0.94 0.89 0.64 0.69 1.13 0.70 0.71 0.66 0.52 0.60 0.93 0.55 1.01 0.95 1.08 0.95 1.04 0.89 1.07 1.10 1.14 1.14 1.13

Quimper 0.92 0.95 0.61 0.80 1.02 0.83 0.69 0.64 0.40 0.77 0.86 0.63 1.05 1.04 1.08 0.92 1.24 0.91 1.05 1.05 1.02 1.18 0.86

Arras 0.87 0.78 0.45 0.54 1.07 0.76 0.59 0.61 0.28 0.47 0.81 0.52 1.06 1.44 0.89 1.14 0.97 0.93 1.06 0.98 1.07 0.95 1.20

La Roche-sur-Yon 0.97 1.07 0.55 0.70 1.11 0.88 0.65 0.72 0.33 0.67 0.86 0.53 1.02 1.01 1.02 0.97 1.19 0.78 1.10 1.11 0.99 1.07 0.91

Colmar 0.86 1.01 0.57 0.57 0.92 0.86 0.64 0.87 0.41 0.53 0.69 0.69 1.10 1.23 1.17 0.93 1.24 0.91 1.09 1.11 0.91 0.96 0.87

Béziers 0.76 0.84 0.23 0.70 0.88 0.68 0.51 0.43 0.13 0.61 0.64 0.64 1.16 0.95 1.38 0.99 1.19 1.21 1.48 0.95 0.80 0.62 1.00

Chalon-sur-Saône 0.80 1.08 0.60 0.66 0.83 0.65 0.54 0.59 0.36 0.65 0.61 0.50 1.01 0.91 1.18 0.95 1.04 0.90 0.94 1.20 1.24 1.21 1.27

Laval 0.96 1.10 0.67 0.67 1.07 0.83 0.70 0.84 0.49 0.54 0.84 0.64 0.93 0.85 1.05 1.05 0.93 0.77 0.95 1.00 1.28 1.44 1.11

Beauvais 0.83 0.83 0.61 0.59 0.95 0.73 0.61 0.67 0.42 0.47 0.80 0.45 1.04 1.25 0.95 1.09 0.97 0.82 1.09 1.21 1.17 1.16 1.18

Blois 0.93 0.79 0.79 0.62 1.09 0.81 0.65 0.59 0.71 0.50 0.74 0.50 1.00 0.98 1.07 0.95 1.03 0.93 0.92 1.10 1.16 1.23 1.08

Bourg-en-Bresse 0.83 0.86 0.46 0.64 0.97 0.67 0.56 0.44 0.26 0.70 0.74 0.48 1.03 1.07 1.00 0.99 1.17 0.88 1.14 1.01 1.17 1.32 1.02

Cholet 0.94 1.22 0.91 0.80 0.94 0.76 0.65 0.85 0.68 0.41 0.72 0.50 0.89 0.53 1.09 0.89 0.93 0.78 1.02 1.15 1.44 1.67 1.20

Agen 0.84 0.91 0.33 0.67 0.97 0.77 0.55 0.53 0.18 0.56 0.72 0.62 1.08 1.40 1.07 0.84 1.17 0.90 1.05 0.99 0.98 0.85 1.13

CIE : Commerce inter-entreprises ; CR : Conception-recherche ; CL : Culture-loisirs ;G : Gestion ;PI : Prestations intellectuelles. AP : Administration publique ; D : Distribution ; EF : Éduca-tion - formation ; SAS : Santé et action sociale ; SP : Services de proximité ; BTP : Bâtiment et travaux publics ; ER : Entretien-réparation. F : Fabrication ; TL : Transports-logistique. Le coefficient de spécialisation pour chaque fonction est calculé comme la part de cette fonction dans chaque aire urbaine rapportée à sa part dans l’emploi national. Les coefficients de spécialisation supérieurs ou égaux à 1,10 sont grisés.

35

Annexe 3.

Contribution des fonctions métropolitaines, productives et des revenus extérieurs à la croissance de l’emploi dans les grandes aires urbaines (1999-2013)

1 2 3 4 5 6 7 8

(𝑎 EFP

EFM + EAPΔEFM)/E (𝑎

EFP

EFM + EAPΔEAP)/E b EFP/E e EFP/E ΔEFP/E ΔEFM/E ΔEAP/E ΔE/E

Paris 0.23 -0.04 0.36 -0.11 0.44 0.48 -0.09 0.86

Lyon 0.33 -0.04 0.37 0.10 0.78 0.67 -0.09 1.42

Marseille-Aix 0.38 0.02 0.43 -0.09 0.76 0.55 0.03 1.36

Toulouse 0.60 0.15 0.40 0.06 1.23 1.00 0.25 2.51

Lille 0.30 -0.17 0.39 0.05 0.62 0.54 -0.31 0.94

Bordeaux 0.45 0.01 0.42 0.20 1.11 0.69 0.01 1.86

Nantes 0.56 0.06 0.40 -0.08 0.98 0.94 0.09 2.08

Nice 0.37 0.04 0.46 -0.18 0.70 0.45 0.05 1.21

Strasbourg 0.21 -0.11 0.39 0.05 0.56 0.38 -0.20 0.79

Rennes 0.51 0.02 0.41 -0.01 0.98 0.82 0.03 1.91

Grenoble 0.30 -0.04 0.39 0.00 0.68 0.53 -0.07 1.18

Rouen 0.20 -0.16 0.42 0.04 0.53 0.31 -0.25 0.65

Montpellier 0.71 0.11 0.45 0.04 1.33 0.92 0.14 2.42

Toulon 0.52 -0.02 0.52 -0.18 0.88 0.46 -0.02 1.35

Tours 0.32 -0.08 0.42 0.02 0.71 0.47 -0.12 1.12

Clermont 0.28 -0.09 0.42 0.02 0.67 0.42 -0.13 1.01

Contributions au taux de croissance annuel moyen ΔE/E :

Par définition, col (8) = col (5) + col (6) + col (7). Par calcul de décomposition, col (5) = col (1) + col (2) + col (3) + col (4) (aux arrondis près)

Effet des fonctions métropolitaines sur la croissance de l’emploi : col (1) + col (6). Effet des fonctions productives sur la croissance de l’emploi : col (2) + col (7). Effet des revenus extérieurs sur la croissance de l’emploi : col (3) + col (4).

Comment expliquer les disparités de roissane d’emploi des...

Documents

Transcript of Comment expliquer les disparités de roissane d’emploi des...